腾讯混元发布Hy ASR3.0，语音识别迈入语境理解新阶段

腾讯混元今日正式发布新一代语音识别模型Hy ASR3.0preview，标志着语音识别技术从传统的“逐字转写”迈入“理解语境”的新阶段。该模型首次将大语言模型Hy3的深度语义理解能力与高精度语音识别深度融合，实现了从“单点优化”到“兼容场景、一键直出”的跨越式升级。

据官方披露的评测数据，Hy ASR3.0preview在开源评测集上表现优异：中文普通话词错误率（WER）低至3.34%，英语为2.62%，粤语为3.12%，整体准确率控制在3%左右。在自建评测集中，模型覆盖了通用识别、10余种方言、上下文语义理解、专业术语识别以及高噪、耳语等复杂声学场景，WER同样保持行业领先水平。这一成绩得益于腾讯混元在技术架构上的全面革新。

技术层面，Hy ASR3.0preview采用了兼顾效率与性能的MoE（混合专家）架构，基座升级为Hy3大模型，并自研了无监督语音Encoder。该Encoder依托数千万小时级语音数据训练，显著提升了声学特征提取能力。在预训练阶段，模型实现了语音Encoder与大语言模型的联合训练，覆盖多方言、多口音、多声学环境的海量数据，通过多阶段能力注入强化了方言识别和上下文感知等特性。后训练环节则构建了覆盖20余个方言小片区的SFT数据集，结合多阶段强化学习，针对性解决了复杂场景下的误识别和漏识别问题。

目前，Hy ASR3.0preview已上线腾讯云官网，对外开放API，可广泛应用于智能客服、内容理解、语音搜索等领域。腾讯旗下AI助手“元宝”已完成首发接入，用户可通过语音输入体验方言识别、上下文智能纠错、复杂环境稳定转写等功能，相关能力免费开放。此外，WorkBuddy等产品也在陆续接入中。业内分析认为，此次更新标志着语音识别技术向“更懂用户意图”的方向迈出关键一步，将为多场景语音交互体验带来显著提升。