腾讯混元发布语音识别新模型Hy ASR 3.0

腾讯混元近日正式发布了新一代语音识别模型 Hy ASR 3.0 preview，标志着其在智能语音技术领域迈出了重要一步。该模型基于最新一代大语言模型 Hy3 的语言理解能力，将高精度语音识别与深度语义理解相融合，在通用识别、上下文感知、多场景鲁棒性以及方言覆盖等核心维度实现了全面升级。

官方介绍，Hy ASR 3.0 preview 的核心理念是从“逐字转写、单点优化”演进为“理解语境、兼容场景、一键直出”。这意味着它不再仅仅局限于将语音转换为文字，而是能够深入理解用户的真实意图，在复杂输入中给出更准确、连贯的转写结果。这一转变源于模型对上下文语境的理解能力，使其能够根据对话历史或场景信息进行智能纠错和优化。

在性能表现上，Hy ASR 3.0 preview 在多个开源评测集和自建评测集上均展现出领先水平。在开源评测集中，该模型在多语种的词错误率（WER）上都控制在 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%。这一数据表明，模型在跨语言识别方面具备较高的准确性和稳定性。

在自建评测集上，Hy ASR 3.0 preview 针对通用识别、方言识别、上下文理解、专词理解以及复杂声学场景（如高噪声环境、耳语）等进行了专项测试，WER 同样保持在较低水平。这显示出模型在应对真实世界多样化输入时的鲁棒性，能够满足不同行业和场景的需求。

目前，腾讯元宝已深度参与共研并完成首发上线。用户只需打开元宝，按住说话即可体验方言识别、上下文智能纠错以及复杂环境稳定转写等能力提升，语音输入更准、更稳，且完全免费开放。此外，WorkBuddy 等产品也在陆续接入该模型，进一步拓展其应用范围。

同时，Hy ASR 3.0 preview 已上线腾讯云官网，对外提供 API 服务。开发者可以将其广泛应用于智能客服、内容理解、语音搜索等场景，借助模型的高准确率和语义理解能力，提升产品的智能化水平。腾讯混元此次发布不仅展示了其在语音技术上的积累，也为行业提供了更高效的语音交互解决方案。