Alibaba nâng cấp mô hình nhận diện giọng nói Fun-ASR-Realtime, độ trễ chữ đầu tiên chỉ 100 mili giây, tỷ lệ nhận diện tiếng Wenzhou vượt 82%

Phòng thí nghiệm Alibaba Tongyi đã giảm độ trễ chữ đầu tiên của mô hình nhận diện giọng nói theo thời gian thực Fun-ASR-Realtime xuống mức 100 mili giây, cho phép chữ xuất hiện ngay khi giọng nói vừa dứt, với độ chính xác gần bằng mô hình ngoại tuyến. Trong buổi phát trực tiếp 100 giờ trên đảo hoang gần đây, mô hình đã cung cấp hỗ trợ phụ đề thời gian thực trong điều kiện khắc nghiệt, nhận diện tổng cộng hơn 60.000 câu, với tổng cộng 1,32 triệu từ. Mô hình mới đã tăng cường khả năng nhận thức ngữ cảnh, kết hợp giữa cuộc hội thoại lịch sử và sửa lỗi động từ khóa nóng theo thời gian thực, hỗ trợ 30 ngôn ngữ và 16 phương ngữ, với độ chính xác trung bình của ký tự trong thử nghiệm phương ngữ đạt 88,62%, trong đó tiếng Thượng Hải đạt 92,41%, tiếng Wenzhou đạt 82,74%. Mô hình ngoại tuyến Fun-ASR-Flash đã giành vị trí đầu tiên trong bảng xếp hạng tỷ lệ lỗi chữ trên nền tảng đánh giá AI toàn cầu Artificial Analysis. Hiện tại, hai mô hình mới này đã được ra mắt dưới dạng dịch vụ API thương mại trên Alibaba Cloud Bailing, với khung mã nguồn mở FunASR và các mô hình sinh thái có thể được tìm thấy trên cộng đồng Mó Đá và GitHub.

Nội dung này chỉ được đưa ra nhằm mục đích cung cấp thông tin chung, không phải là lời khuyên về tài chính, đầu tư, pháp lý hoặc thuế. Mọi sự kiện, phần thưởng, ưu đãi trực tuyến hoặc thông tin liên quan được đề cập trong nội dung này không được xem là khuyến nghị, chào mời hoặc lời mời mua, bán, giao dịch hoặc thực hiện bất kỳ hoạt động nào khác liên quan đến tài sản crypto. Tài sản crypto có độ biến động cao và có thể dẫn đến thua lỗ.Tính khả dụng của các dịch vụ, sản phẩm và sự kiện liên quan của WEEX có thể khác nhau tùy theo khu vực. Bạn có trách nhiệm bảo đảm việc tham gia của mình tuân thủ các luật và quy định hiện hành tại địa phương.