智通财经APP获悉,8月4日,腾讯混元正式发布新一代语音识别模型Hy ASR 3.0 preview。目前Hy ASR 3.0 preview已上线腾讯云官网对外提供API服务,可广泛应用于智能客服、内容理解、语音搜索等场景。元宝深度参与共研并已完成首发上线,用户打开元宝按住说话即可体验方言识别、上下文智能纠错与复杂环境稳定转写等能力提升,语音输入更准、更稳,且免费开放;WorkBuddy等产品也在陆续接入中。

基于最新一代大语言模型Hy3的语言理解能力,Hy ASR 3.0 preview融合高精度语音识别与深度语义理解能力,在通用识别、上下文感知、多场景鲁棒性以及方言覆盖等核心维度实现全面提升,能够在更复杂的真实输入中给出准确、连贯且更接近用户意图的转写结果,从“逐字转写、单点优化”演进为“理解语境、兼容场景、一键直出”。

Hy ASR 3.0 preview在多个开源评测集和自建评测集上整体表现领先。在开源评测集中,Hy ASR 3.0 preview在多语种的 WER( Word Error Rate, 词错误率)上都控制在 3% 左右,其中中文普通话 WER 3.34%、英语 WER 2.62%、粤语 WER 3.12%。

从用户使用的角度,Hy ASR 3.0 preview 重点提升了四类能力——

通用识别更准确:提升通用语音、方言、中英混说等场景下的识别准确性,进一步减少错字、漏字及长音频中的错误累积。

更能理解用户意图:结合 Context 上下文精准捕捉用户语境,智能纠错同音词,消除语义歧义。

更容易适配专业场景:支持热词注入增强,帮助模型快速识别品牌产品名称、人名及行业术语,降低业务接入和持续维护成本。

复杂环境下更稳定:面向高噪、耳语、悄悄话等多种声学场景下进行专项优化,复杂条件下依然保持稳定表现。