实时互动网
·
阿里发布 Fun-ASR-Realtime 实时语音识别模型 ，支持16种方言和30种语言！
内容提要
阿里通义推出了实时语音识别模型Fun-ASR-Realtime，具备百毫秒首字延迟和高准确率，支持16种方言和30种语言。在“重返荒岛”直播中，该模型提供实时字幕，识别准确率接近离线模型，适用于国际会议和客服等复杂场景。
关键要点
-
阿里通义推出实时语音识别模型Fun-ASR-Realtime，首字延迟控制在百毫秒级别，识别准确率接近离线模型。
-
该模型支持16种方言和30种语言，适用于复杂场景如国际会议和客服。
-
在影视飓风「重返荒岛」直播中，Fun-ASR-Realtime提供实时字幕，累计识别字幕6万余条。
-
模型具备上下文理解能力，能够根据历史对话和实时热词进行纠错。
-
在方言识别测试中，Fun-ASR-Realtime在12类方言上表现优异，尤其在吴语系方言上表现突出。
-
在复杂背景和远场嘈杂场景中，Fun-ASR-Realtime的中文和英文识别准确率均领先相关产品。
-
离线模型Fun-ASR-Flash在全球权威AI评测平台上字错率1.7%，位列全球第一。
延伸解读
实时语音识别的应用场景
Fun-ASR-Realtime模型特别适合需要低延迟的场景，如直播、会议转写和客服通话。其百毫秒的首字延迟和高准确率使得用户能够实时获取信息，提升了互动体验，尤其在复杂的多说话人环境中表现尤为突出。
方言与多语言支持的优势
该模型支持16种方言和30种语言，尤其在吴语系方言的识别上表现优异。这种多样化的语言支持使其在国际化场景中具有竞争力，能够满足不同地区用户的需求，适合出海市场的应用。
上下文理解能力的重要性
Fun-ASR-Realtime具备上下文理解能力，能够根据历史对话进行自我纠错。这一特性在直播中尤为重要，能够提高识别的准确性，减少误识率，确保信息传达的准确性和流畅性。
延伸问答
Fun-ASR-Realtime模型的主要特点是什么？
Fun-ASR-Realtime模型具有百毫秒首字延迟和高准确率，支持16种方言和30种语言，适用于复杂场景。
Fun-ASR-Realtime在直播中的应用效果如何？
在影视飓风「重返荒岛」直播中，Fun-ASR-Realtime提供了实时字幕，累计识别字幕6万余条，增强了观众体验。
该模型如何处理上下文理解和纠错？
Fun-ASR-Realtime具备上下文理解能力，能够根据历史对话和实时热词进行自我纠错。
Fun-ASR-Realtime在方言识别方面的表现如何？
该模型在16种方言的识别测试中表现优异，尤其在吴语系方言上，如上海话和苏州话的准确率均超过90%。
Fun-ASR-Realtime与离线模型Fun-ASR-Flash的区别是什么？
Fun-ASR-Realtime是实时语音识别模型，适合低延迟场景，而Fun-ASR-Flash是离线模型，准确度更高，适合录音处理。
该模型在复杂背景下的识别准确率如何？
在复杂背景和远场嘈杂场景中，Fun-ASR-Realtime的中文和英文识别准确率分别为88.42%和91.58%，领先相关产品。
