阿里通义实验室将流式语音识别大模型 Fun-ASR-Realtime 的首字延迟降至百毫秒级别，话音刚落地即出字，准确率逼近离线模型。新模型支持 30 种语言、16 种方言，温州话识别准确率达 82.74%。 （前情提要：xAI 正式开放 Grok 语音 API，TTS 每百万字符 4.2 美元、识别率击败 ElevenLabs） （背景补充：OpenRouter 分析 100 兆 Token 研报：人类到底用 AI 做什么、中国模型崛起与用户留存秘密）
本文目录
Toggle
实战验证：100 小时荒岛直播 方言识别表现 离线版同步称霸 阿里通义实验室 7 月 6 日宣布，将流式语音识别大模型 Fun-ASR-Realtime 的首字延迟降至百毫秒级别，实现「话音刚落地即出字」的效果，且准确率已逼近离线模型水准。 这项升级的核心在于上下文感知能力的强化。新模型能结合历史对话与实时热词进行动态纠错，例如根据后文自动将「叶鹿」修正为「夜鹭」，有效解决了实时语音识别容易断章取义的痛点。
在影视飓风最近结束的 100 小时荒岛直播中，Fun-ASR-Realtime 在户外暴雨、多人频繁切换发言的恶劣环境下，全程提供实时字幕支持，累计识别 6 万余条、共 132 万字。 这组数据意味着模型在单声道、高环境噪音、多人交错的真实场景中，仍能维持稳定的识别质量——这正是实时字幕应用最关键的指标。
模型目前支持 30 种语言和 16 种方言，在方言测试中的平均字符准确率达 88.62%。其中各主要方言的表现如下：
离线版模型 Fun-ASR-Flash 则在全球 AI 评测平台 Artificial Analysis 的字错率排行榜上夺得第一名，进一步验证了 Fun-ASR 系列在语音识别领域的技术领先地位。 两款模型的 API 服务均已在阿里云百炼上线，底层开源工具包与模型可在魔搭社区与 GitHub 取得。
12.01万 热度
25.51万 热度
7.95万 热度
487.41万 热度
6.61万 热度
阿里通义 Fun-ASR 语音模型大升级：首字延迟仅百毫秒，温州话识别超82%
阿里通义实验室将流式语音识别大模型 Fun-ASR-Realtime 的首字延迟降至百毫秒级别，话音刚落地即出字，准确率逼近离线模型。新模型支持 30 种语言、16 种方言，温州话识别准确率达 82.74%。
（前情提要：xAI 正式开放 Grok 语音 API，TTS 每百万字符 4.2 美元、识别率击败 ElevenLabs）
（背景补充：OpenRouter 分析 100 兆 Token 研报：人类到底用 AI 做什么、中国模型崛起与用户留存秘密）
本文目录
Toggle
实战验证：100 小时荒岛直播
方言识别表现
离线版同步称霸
阿里通义实验室 7 月 6 日宣布，将流式语音识别大模型 Fun-ASR-Realtime 的首字延迟降至百毫秒级别，实现「话音刚落地即出字」的效果，且准确率已逼近离线模型水准。
这项升级的核心在于上下文感知能力的强化。新模型能结合历史对话与实时热词进行动态纠错，例如根据后文自动将「叶鹿」修正为「夜鹭」，有效解决了实时语音识别容易断章取义的痛点。
实战验证：100 小时荒岛直播
在影视飓风最近结束的 100 小时荒岛直播中，Fun-ASR-Realtime 在户外暴雨、多人频繁切换发言的恶劣环境下，全程提供实时字幕支持，累计识别 6 万余条、共 132 万字。
这组数据意味着模型在单声道、高环境噪音、多人交错的真实场景中，仍能维持稳定的识别质量——这正是实时字幕应用最关键的指标。
方言识别表现
模型目前支持 30 种语言和 16 种方言，在方言测试中的平均字符准确率达 88.62%。其中各主要方言的表现如下：
温州话作为吴语方言中的高难度项目，能达 82.74% 的准确率，显示模型在低资源方言上的泛化能力有显著提升。
离线版同步称霸
离线版模型 Fun-ASR-Flash 则在全球 AI 评测平台 Artificial Analysis 的字错率排行榜上夺得第一名，进一步验证了 Fun-ASR 系列在语音识别领域的技术领先地位。
两款模型的 API 服务均已在阿里云百炼上线，底层开源工具包与模型可在魔搭社区与 GitHub 取得。