阿里升級實時語音大模型Fun-ASR-Realtime：首字延遲百毫秒，溫州話識別準確率超82%
來源 金色財經
7月6日消息，阿里通義實驗室將流式語音識別大模型 Fun-ASR-Realtime 的首字延遲降至百毫秒級，實現話音剛落即出字，且準確率逼近離線模型。
在影視颶風最近結束的 100 小時荒島直播中，模型在戶外暴雨、多人頻繁切換髮言的惡劣環境下，全程提供實時字幕支持，累計識別 6 萬餘條、共 132 萬字。
爲了解決實時語音識別容易斷章取義的痛點，新模型強化了上下文感知能力，能結合歷史對話與實時熱詞動態糾錯（例如根據後文自動將「葉鹿」修正爲「夜鷺」）。模型目前支持 30 種語言和 16 種方言，在方言測試中平均字符準確率達 88.62%，其中上海話爲 92.41%，號稱最難懂的溫州話也達到 82.74%。
離線版模型 Fun-ASR-Flash 則在全球 AI 評測平臺 Artificial Analysis 的字錯率排行榜上奪得第一。兩款模型的 API 服務均已在阿里雲百鍊上線，底層開源工具包與模型可在魔搭社區與 GitHub 獲取。
免責聲明：僅供參考。 過去的表現並不預示未來的結果。
推薦文章
台積電(2330)於8月20日股價下探至1,140元，單日重挫45元，台股指數因此一度下滑至23,734.17點，月線失守，不過今天（21日）開盤後，台積電略微回升，最高上漲10元，現價1,145。
週四（7月2日）美國勞工部公佈的調查數據顯示，美國6月非農僅新增5.7萬人，大幅不及預期的11.3萬人，前值為17.2萬人，為最近四個月以來最低水準。
中東局勢緩和、美國6月非農降至四個月最低、美國晶片股連續調整三大因素預示美元指數走勢正迎來重大轉折。筆者曾提及，若國際油價回落至80美元下方、美國勞動力市場數據放緩則聯准會有望逐步引導市場重回降息預期，並有助於資金回流美國。
非農「爆冷」，市場推遲聯準會升息時點，黃金價格反彈。但漲勢能否持續，分析師看法不一。
近段時間以來，以輝達及存儲、光通信為代表的AI硬體與半導體板塊遭遇重挫。摩根大通表示，半導體與超大規模雲服務商行業之間的估值差距最終應會收窄。但需警惕一種更偏悲觀的情形—晶片製造商以犧牲客戶利益為代價表現良好。
