河源辉浩进出口有限公司

7月6日消息 ，支持直播今日，影视阿里升级语音实时识别大模型Fun-ASR-Realtime。飓风

作为一款流式模型，荒岛其识别准确率接近离线模型，阿里首字延迟在百毫秒级别，升级长句尾字延迟低，支持直播支持16种方言和30种语言。影视

在7月2日结束的飓风影视飓风“重返荒岛”100小时直播节目中，实时字幕由Fun-ASR-Realtime全程提供支持，荒岛共识别出六万多条字幕，阿里132万字。升级

全新升级的支持直播Fun-ASR-Realtime兼具速度和精度。在速度上，影视模型首字时延控制在百毫秒级别，飓风话音刚落，文字即开始呈现，对于很长的句子，尾字输出的延迟也很低。

以“重返荒岛”100小时直播为例，多人两岛互动、说话人频繁切换，赛制复杂还遇上了暴雨，观众可即时看到Tim和中国boy等嘉宾的发言字幕，增强了观看体验。

在准确率上，Fun-ASR-Realtime接近其离线模型Fun-ASR-Flash，面向泛 Context（包含历史对话上下文和实时热词）进行了专项强化，具备上下文理解能力。

例如直播节目中Tim说出的“夜鹭”最初被误识为“叶鹿”，通过上下文补充“观鸟的朋友应该知道”后，立刻纠正。

相较于市面上的实时模型，Fun-ASR-Realtime支持的语音种类更加丰富，可识别出16种方言和30种语言。

在八大方言区的16 种方言识别测评中，Fun-ASR-Realtime 的字符准确率平均为88.62%，在12类方言中领先，超越火山与腾讯相关产品。

在5类工业中文和英文场景的语音识别测评中，针对复杂背景、远场嘈杂以及各种带口音的场景，Fun-ASR-Realtime依然表现良好，平均字符准确率分别为88.42%、91.58%，领先相关产品。

值得一提的是，Fun-ASR-Realtime的离线模式模型Fun-ASR-Flash也已于近期上线。在全球权威AI评测平台 Artificial Analysis，Fun-ASR-Flash（榜单上为该模型曾用名“Fun-realtime-ASR-preview”）错字率1.7%，位列全球第一。

两款模型均已上线阿里云百炼。

Fun-ASR-Realtime：

https://help.aliyun.com/zh/model-studio/real-time-speech-recognition-user-guide

Fun-ASR-Flash：

https://bailian.console.aliyun.com/cn-beijing#/doc/?type=model&url=2979031

(责任编辑：产品中心)