1. 首頁 > 生活百科 > >

阿里通義新一代語音模型Fun-ASR再進化 垂直領域識別準確率提超15%

人工智能創投圈語音識別

阿里通義新一代語音模型Fun-ASR再進化 垂直領域識別準確率提超15%

文章圖片


快科技8月22日消息 ， 今日 ， 阿里通義發布新一代端到端的語音識別大模型Fun-ASR ， 該模型增強了上下文感知和高精度語音轉寫能力 ， 在家裝、保險等多個行業場景的語音識別準確率均提升了15%以上 。
據了解 ， Fun-ASR是大語言模型驅動的語音識別算法 ， 其基于自研語音算法和監督微調的Qwen3訓練 ， 并采用前沿的模型架構以及先進的文本模態對齊技術 ， 可有效保護和增強大模型的語言處理能力；
此外 ， Fun-ASR集成了RAG方案 ， 可提供自動化音頻信息檢索功能 ， 最高可導入1000多個自定義熱詞 。
基于該功能 ， 系統能夠根據輸入音頻精確獲取相關領域熱詞、文檔及前文記錄 ， 大幅提升特定領域內的關鍵詞識別效果 。

為解決語音識別不準確、噪聲干擾、語種混淆以及生成幻覺等問題 ， 通義團隊還在ASR模型訓練中引入了RL（強化學習）技術 ， 此策略有效減少識別過程中的幻覺 ， 提高整體系統的準確性與可靠性 。
值得一提的是 ， 在四川話、粵語、閩南語等多地方言上 ， Fun-ASR取得了領先同類產品的表現 。
此外 ， Fun-ASR對遠場拾音和近場降噪的等多樣環境也表現出了良好的適應性 ， 無論是會議室、工位 ， 還是超市、戶外 ， 均可有效保證識別準確率 。
在訓練數據上 ， Fun-ASR基于上億小時音頻數據的訓練 ， 全面涵蓋了互聯網、科技、家裝、畜牧、汽車等十多個領域的專業術語 ， 在多個垂直領域的識別準確率顯著提升 。
實測數據顯示 ， Fun-ASR在保險行業的準確率較以往提升18% ， 在家裝、畜牧等行業也實現了15%-20%的提升 。
【阿里通義新一代語音模型Fun-ASR再進化 垂直領域識別準確率提超15%】

    推薦閱讀