腾讯混元发布 Hy ASR 3.0 preview：真正懂上下文的语音识别
内容提要
腾讯混元发布新一代语音识别模型Hy ASR 3.0 preview，基于Hy3大模型提升通用识别、方言覆盖、上下文理解及复杂环境鲁棒性，在开源和自建评测中WER表现领先。支持热词注入，适配专业场景，已上线腾讯云API，并集成于元宝App，免费提供语音输入服务。
延伸解读
从“转写”到“理解”：ASR 的范式转变
Hy ASR 3.0 preview 强调的不只是识别准确率，而是“理解语境、兼容场景、一键直出”。这意味着语音识别正从单纯的逐字转写，演进为结合语义理解、上下文纠错和意图捕捉的智能系统。对用户而言，同音字、歧义句在上下文中可能被自动修正，转写结果更接近真实意图，而不仅仅是字面内容。
热词注入：专业场景落地的关键
文章特别提到支持热词注入增强，帮助模型快速识别品牌名、人名和行业术语。这对智能客服、内容理解、语音搜索等专业场景尤为重要。通过热词注入，企业无需频繁重新训练模型，即可提升特定领域术语的识别准确率，降低业务接入和持续维护成本，是模型商业化落地的重要能力。
评测数据：开源与自建的双重验证
Hy ASR 3.0 preview 在开源评测集上中文普通话 WER 3.34%、英语 2.62%、粤语 3.12%，多语种控制在 3% 左右。同时，自建评测集覆盖通用、方言、上下文、专词、复杂声学场景，均保持较低 WER。这些数据表明其性能在多个维度上表现均衡，但需注意评测集的具体构成和测试条件，实际效果可能因场景而异。
免费开放与生态接入：普及的推动力
Hy ASR 3.0 preview 已上线腾讯云 API，并集成于元宝 App，免费提供语音输入服务。这一策略有助于快速积累用户反馈，优化模型，同时推动语音识别技术在更多产品中的普及。对于开发者和企业，腾讯云 API 提供了便捷的接入方式，但需关注服务条款、调用限制和后续商业化政策。
Q&A
腾讯混元Hy ASR 3.0 preview是什么？
Hy ASR 3.0 preview是腾讯混元发布的新一代语音识别模型，基于Hy3大模型，融合高精度语音识别与深度语义理解，在通用识别、上下文感知、多场景鲁棒性及方言覆盖等方面有全面提升。
Hy ASR 3.0 preview在开源评测集上的表现如何？
在开源评测集中，Hy ASR 3.0 preview在多语种的WER（词错误率）上控制在3%左右，其中中文普通话WER为3.34%，英语WER为2.62%，粤语WER为3.12%。
Hy ASR 3.0 preview主要提升了哪些能力？
主要提升了四类能力：1. 通用识别更准确，减少错字漏字；2. 更能理解用户意图，结合上下文智能纠错同音词；3. 更容易适配专业场景，支持热词注入；4. 复杂环境下更稳定，针对高噪、耳语等场景优化。
Hy ASR 3.0 preview的技术架构是怎样的？
采用MoE架构，基座模型升级为Hy3，并自研无监督语音Encoder，通过数千万小时级无监督语音数据训练提取声学表征，再与LLM联合训练，并引入多阶段强化学习优化。
Hy ASR 3.0 preview如何支持方言识别？
通过SFT数据体系覆盖10大方言片区和20余个二级小片区，并在训练中引入多阶段强化学习，针对方言识别进行优化。
Hy ASR 3.0 preview目前在哪里可以使用？
已上线腾讯云官网提供API服务，并集成于元宝App，用户可免费使用语音输入功能；WorkBuddy等产品也在陆续接入。
