快科技8月6日消息，腾讯混元近期正式推出Hy ASR 3.0 preview语音识别系统，并率先在腾讯元宝App上面向所有用户免费开放。
该系统借助Hy3基础架构，将声学识别与语义理解深度整合，改变了传统语音转录生硬、易出错的状况，在多方言、嘈杂环境以及远距离收音等复杂条件下，依然能稳定输出准确的文字内容。
目前，该能力已覆盖10个主要方言区域和20多种细分方言，粤语、吴语、西南官话、中原官话等日常口语均可直接对话，用户无需刻意纠正普通话口音。
无论是日常闲聊，还是用家乡话口述文案，系统均能精准识别并理解语义。例如，在厨房边烹饪边用粤语询问调料配比，它可准确领会意图并给出答案，省去了方言转写为普通话的环节。
基于Hy3语言技术实现的声学与语义协同处理，让这套系统不再局限于逐字转写，而是能结合对话上下文，自动消除同音词歧义并匹配专业领域的热词。
评测数据显示，其普通话词错误率为3.34%，粤语为3.12%，英语为2.62%，识别精度处于行业第一梯队。
在架构设计上，这套方案采用了自研的无监督语音编码器，并配合Hy3的上下文纠错机制，能够利用对话前后文修正同音词混淆和模糊发音造成的误判，同时对厨房噪声、户外车流、多人交谈等嘈杂场景进行降噪优化。即便是长篇音频录制或轻声耳语等远距离拾音情形，也能保证转写的连贯与完整。
普通用户只需打开元宝对话界面，长按语音按钮即可直接体验全新的识别能力。企业开发者则可通过腾讯云调用Hy ASR 3.0 preview的商用API，将其集成到智能客服、会议录音转写、车载语音、短视频字幕制作等业务场景中。腾讯旗下的WorkBuddy等生产力工具也在逐步接入该模型。