12月5日，火山引擎正式推出其新一代语音识别系统——豆包语音识别模型2.0。新版本在核心架构与技术能力上实现了显著升级。
据悉，该2.0版本大幅提升了系统的推理与理解能力。通过深度分析对话的上下文语境，其整体关键词的准确捕捉率较以往提升了20%。这意味着系统能够更精准地把握用户表达的真实意图。
此次升级的另一大亮点是引入了多模态识别技术。新系统不仅能处理音频信息，还能结合单张或多张图片等视觉信息进行综合判断，从而实现“既听声音，也看内容”的识别效果，进一步提高了文字转写的准确性。
豆包语音识别模型2.0支持多模态识别
在语种支持方面，新版模型的服务范围进一步扩大，新增了对日语、韩语、德语、法语等共计13种外语的精准识别能力，以满足更广泛的国际化应用需求。
模型支持13种外语识别
针对日常识别中的难点，2.0版本进行了专项优化。系统在处理专有名词、人名、地名、品牌名称以及容易混淆的多音字时，表现出更强的鲁棒性和准确性。
以一个具体场景为例：在讨论历史人物生平时，若用户提到“苏辙贬谪地筠（yún）州”，传统识别技术可能因同音字问题误判为“云州”或“郓州”。而新一代系统能够依据对话中关于“苏轼、苏辙”的背景信息进行逻辑推理，即使前文未出现“筠州”，也能准确锁定这一特定历史地名，实现精准识别。
模型在复杂专有名词识别上的应用示例
目前，豆包语音识别模型2.0已在火山引擎的“火山方舟”体验中心正式上线，并通过API接口向企业和开发者开放服务。
推荐关键词
24小时热搜
-
热
- 1 沙特申博宣传片真是中国拍的 网友：这风格意境是中国的手笔
- 2 南方人东北购物被店主语气“凶哭”：文化差异导致误解
- 3 女子下班回家发现家门口被贴U盘：新型诈骗手段？
- 4 爸爸送娃撂下就走结果学校没开门：交警协助联系 安全返家
-
热
- 5 宗庆后在黄金地段为员工建廉租房：从不裁45岁以上员工 我算有钱
- 荐 2020年高通骁龙CPU排名 高通骁龙888排名领先