大模型时代的ASR就是不一样！豆包“听力”水平现场评测，方言&小朋友口音直接拿捏！
原文中文，约6400字，阅读约需16分钟。
📝
内容提要
2024 火山引擎 AI 创新巡展上海站展示了豆包大模型在综合评分、语音识别等方面的效果提升，并发布了对话式 AI 实时交互解决方案。豆包大模型团队成果 Seed-ASR 提供了语音识别能力支持，能准确转录各种语音信号，识别不同语言、方言、口音。豆包 APP 月活用户数已达 2752 万。火山引擎整合了云服务的实时音视频技术，使 AI 语音交互能像人类说话一样打断和插话。Seed-ASR 已在豆包 APP 中应用，并在语音交互、内容审核、会议访谈转写、音视频字幕等场景有落地。
❓
Q&A
豆包大模型在语音识别方面有哪些提升？
豆包大模型在语音识别方面的综合能力提升了20.3%，角色扮演能力提升了38.3%。
Seed-ASR技术的主要特点是什么？
Seed-ASR具备高精度识别、多语言支持、上下文感知能力和分阶段训练方法等特点。
豆包APP的用户活跃情况如何？
豆包APP的月活跃用户数已达2752万，是同类APP中的第一名。
Seed-ASR如何处理方言和口音？
Seed-ASR能够识别多种方言和口音，包括普通话、粤语、四川话等，且在方言夹杂的语音中也能准确识别。
火山引擎如何提升AI语音交互的自然性？
火山引擎整合了云服务的实时音视频技术，使AI语音交互能够像人类一样自然地打断和插话，端到端延时可低至1秒。
Seed-ASR的训练过程包括哪些阶段？
Seed-ASR的训练过程包括自监督学习、监督微调、上下文微调和强化学习等阶段。
🏷️
