语音识别赛道最近又热闹起来了。腾讯混元放出了新一代语音识别模型 Hy ASR 3.0 preview 的预览版。这次不是简单的参数堆砌，而是把“听懂”和“理解”真正揉在了一起。

基于自家的 Hy3 大语言模型，它融合了高精度语音识别和深度语义理解。支持中文、英语、粤语以及10大方言片区。更重要的是，它自带上下文智能纠错、热词注入。即使在嘈杂环境、耳语等极端场景下，也能保持稳定。开源评测集上的 WER 控制在3%左右，自建评测集的表现更是全面领先同行。

Hy ASR 3.0 preview的主要功能

• 通用精准识别： 中文普通话、英语、粤语以及中英混说，都能做到少错字、不漏字。长音频下的错误累积问题也明显改善。
• 上下文语义理解： 结合 Context 精准捕捉用户语境，同音词智能纠错，语义歧义基本消除。
• 热词注入适配： 品牌名、人名、行业术语等热词直接注入，业务接入和维护成本大幅降低。
• 复杂环境鲁棒： 高噪、耳语、悄悄话等声学场景都做了专项优化，识别表现依然稳定。
• 方言广泛覆盖： 支持10大方言片区、20余个二级小片区，从东北官话到粤语、吴语、闽南语全覆盖。

Hy ASR 3.0 preview的技术原理

• 架构升级： MoE 架构，基座模型升级到 Hy3。自研无监督语音 Encoder，基于数千万小时语音数据训练，提取高质量声学表征。
• 预训练 Scaling： Encoder 与 LLM 联合训练，引入数千万小时多来源语音数据（有声读物、对话、视频/广播等）。通过多阶段能力注入，方言理解与上下文建模能力逐步构建起来。
• 后训练增强： 构建覆盖复杂音频、Any Context 上下文、通用能力的高质量 SFT Recipe。通过多阶段强化学习，分别优化通用转写准确性、上下文长程依赖及复杂长尾场景表现。

如何使用Hy ASR 3.0 preview

通过腾讯云 API 接入，或者直接打开腾讯元宝按住说话即可免费体验。

Hy ASR 3.0 preview的核心优势

• 语义理解升级： 基于 Hy3 大语言模型，融合高精度语音识别与深度语义理解。从逐字转写进化到理解语境、一键直出。
• 评测全面领先： 开源评测集 WER 控制在3%左右。自建评测集在通用、方言、上下文、复杂声学场景均优于竞品。
• 上下文智能纠错： 结合 Context 精准捕捉语境，智能纠错同音词，消除语义歧义。支持长程依赖建模。
• 热词快速适配： 品牌名、人名、行业术语等热词注入，专业场景的业务接入与维护成本显著降低。
• 方言与复杂环境覆盖： 支持10大方言片区及20余个二级小片区。在高噪、耳语等复杂声学环境下保持稳定表现。

Hy ASR 3.0 preview的同类竞品对比

Hy ASR 3.0 preview的应用场景

• 智能客服： 电话与在线客服场景下，通过热词注入精准识别品牌名称与业务术语。实现语音实时转写，服务响应效率明显提升。
• 内容创作： 播客、会议、访谈等长音频内容生产中，结合上下文语义理解智能消除歧义。一键输出连贯可读的高质量文本，后期编辑成本大幅降低。
• 语音搜索： 支持用户使用方言语音进行查询。即使嘈杂环境下也能准确识别语音指令，有效降低多语种、多口音用户的输入门槛。
• 办公协作： 会议纪要实时转写场景中，面对耳语、悄悄话等低音量输入，模型依然保持稳定识别。助力团队高效沟通与信息沉淀。
• 智能终端： 车载导航、智能家居等 IoT 设备交互中，针对高噪声学环境进行专项优化。保障复杂场景下的语音识别鲁棒性与用户体验。

《夸克》非常好用的免费AI浏览器

下载APP查看