腾讯混元Hy ASR 3.0实现语境理解新突破

腾讯混元近日正式推出新一代语音识别模型Hy ASR 3.0 preview，这一版本不再局限于传统的逐字硬转，而是通过融合最新一代大语言模型Hy3的深度语义理解能力，实现了语音识别从“逐字转写、单点优化”到“理解语境、兼容场景、一键直出”的质的飞跃。

在技术架构上，Hy ASR 3.0 preview将高精度语音识别与深度语义理解紧密结合，使得模型在处理复杂真实输入时，能够输出更准确、连贯且贴近用户本意的转写结果。这一创新不仅提升了识别精度，更让模型具备了理解上下文的能力，能够智能纠正同音词、消弭语义歧义，从而真正“听懂”用户的意图。

从性能表现来看，Hy ASR 3.0 preview交出了一份亮眼的成绩单。在海外开源评测集上，该模型将多个语种的词错误率（WER）压缩至3%左右：中文普通话为3.34%，英语为2.62%，粤语为3.12%。在腾讯自建的评测集中，无论是通用识别、方言识别、上下文理解、专词理解，还是高噪、耳语等复杂声学场景，WER同样维持在低位，综合评测集上更是取得了最低的错词率。

针对用户实际体验，这一版本重点打磨了四个核心方向。首先是通用识别更准，在通用语音、方言、中英混说等场景下进一步压低错字和漏字，同时有效缓解了长音频中错误不断累积的老问题。其次是更懂意图，模型能够结合上下文精准捕捉用户语境，智能纠正同音词并消弭语义歧义，让转写结果更符合用户本意。第三是更好适配专业场景，支持热词注入增强功能，让模型快速识别品牌名、产品名、人名和行业术语，从而大幅降低业务接入和后续维护的成本。

Hy ASR 3.0 preview的发布，标志着语音识别技术正从单纯的声学转换向语义理解方向演进。通过融合大语言模型的语境感知能力，该模型在复杂真实场景下的表现更加稳健，为智能语音助手、会议转写、客服质检等应用场景提供了更可靠的技术支撑。腾讯混元表示，未来将继续优化模型性能，推动语音识别技术在更多行业落地。