lang
简体中文
繁體中文
English
Tiếng Việt
한국어
日本語
ภาษาไทย
Türkçe
หน้าแรก
AI
OPRR
ด่วน
ความลึก
กิจกรรม
BlockBeats Pro
เพิ่มเติม
การเงิน
พิเศษ
ระบบนิเวศบล็อกเชน
รายการ
พอดแคสต์
ข้อมูล
BTC
$96,000
5.73%
ETH
$3,521.91
3.97%
HTX
$0.{5}2273
5.23%
SOL
$198.17
3.05%
BNB
$710
3.05%
Partnered With:

อาลีอัปเกรดโมเดลภาษาเสียงแบบเรียลไทม์ Fun-ASR-Realtime: ความหน่วงของคำแรกเพียงร้อยมิลลิวินาที ความแม่นยำในการรู้จำภาษาเวินโจวสูงกว่า 82%

ตามการตรวจสอบของ Beating ห้องปฏิบัติการ Alibaba Tongyi ได้ลดความล่าช้าของอักขระตัวแรกของโมเดลการรู้จำเสียงพูดแบบสตรีมมิ่งขนาดใหญ่ Fun-ASR-Realtime ลงเหลือระดับมิลลิวินาที ทำให้ข้อความปรากฏทันทีหลังจากพูดจบ และความแม่นยำใกล้เคียงกับโมเดลออฟไลน์ ในการถ่ายทอดสด 100 ชั่วโมงบนเกาะร้างที่เพิ่งจบลงของ影视飓风 โมเดลนี้ให้การสนับสนุนคำบรรยายแบบเรียลไทม์ตลอดช่วงในสภาพแวดล้อมที่เลวร้าย เช่น ฝนตกหนักกลางแจ้งและการสลับผู้พูดหลายคนบ่อยครั้ง โดยรวมแล้วสามารถรู้จำได้มากกว่า 60,000 รายการ รวมเป็น 1.32 ล้านตัวอักษร

เพื่อแก้ปัญหาจุดอ่อนของการรู้จำเสียงแบบเรียลไทม์ที่มักตีความผิดพลาด โมเดลใหม่นี้ได้เสริมความสามารถในการรับรู้บริบท โดยสามารถรวมประวัติการสนทนาและคำสำคัญแบบเรียลไทม์เพื่อแก้ไขข้อผิดพลาดแบบไดนามิก (เช่น การแก้ไข "叶鹿" เป็น "夜鹭" โดยอัตโนมัติตามข้อความที่ตามมา) ปัจจุบันโมเดลรองรับ 30 ภาษาและ 16 ภาษาถิ่น โดยในการทดสอบภาษาถิ่นมีความแม่นยำเฉลี่ยของอักขระ 88.62% โดยภาษาถิ่นเซี่ยงไฮ้อยู่ที่ 92.41% และภาษาถิ่นเวินโจวที่ถูกกล่าวขานว่ายากที่สุดก็ถึง 82.74% ส่วนโมเดลออฟไลน์ Fun-ASR-Flash ครองอันดับหนึ่งในตารางคะแนนอัตราข้อผิดพลาดของอักขระบนแพลตฟอร์มประเมิน AI ระดับโลก Artificial Analysis

ปัจจุบัน โมเดลใหม่ทั้งสองนี้เปิดให้บริการเฉพาะเป็น API เชิงพาณิชย์บน Alibaba Cloud Bailian ในขณะที่เฟรมเวิร์กโอเพนซอร์ส FunASR และโมเดลระบบนิเวศที่อยู่เบื้องหลังสามารถเข้าถึงได้บน ModelScope Community และ GitHub

แก้ไข/รายงาน
ส่ง
เพิ่มคลัง
เห็นได้เฉพาะตัวเอง
สาธารณะ
บันทึก
เลือกคลัง
เพิ่มคลัง
ยกเลิก
เสร็จสิ้น