阿里巴巴发布FunAudio-ASR，显著提升嘈杂环境语音识别准确率

快速阅读: 阿里巴巴通义实验室发布FunAudio-ASR，创新“Context模块”大幅提升高噪声环境下的语音识别准确率，幻觉率降至10.7%。该模型已应用于钉钉等产品，促进AI技术发展。

近日，阿里巴巴通义实验室正式发布了最新的端到端语音识别大模型——FunAudio-ASR。该模型的最大亮点在于其创新的“Context模块”，显著提升了高噪声环境下语音识别的准确率，将幻觉率从78.5%大幅降至10.7%，降幅接近70%。这项技术突破不仅为语音识别行业设立了新标准，尤其在会议、公共场所等嘈杂环境中表现出色。

在训练过程中，FunAudio-ASR模型采用了数千万小时的音频数据，并融合了大语言模型的语义理解能力，使其在远场、嘈杂和多说话人等复杂条件下的性能超越了Seed-ASR、KimiAudio-8B等主流语音识别系统。通过这一技术的应用，用户可以享受更加清晰和准确的语音识别体验。

除了完整版外，阿里还推出了轻量级版本FunAudio-ASR-nano。该版本在保持高识别准确率的同时，降低了推理成本，适合资源需求较高的部署环境。无论是大型企业还是小型团队，都能找到适合自己需求的解决方案。

目前，FunAudio-ASR已在钉钉的“AI听记”功能、视频会议及DingTalk A1硬件中得到实际应用。此外，其API也已在阿里云百炼平台正式上线，便于开发者集成和使用。对企业用户来说，这意味他们可以通过这一先进技术提高会议效率，改善沟通效果。

FunAudio-ASR不仅为语音识别技术带来了新的突破，也为用户的实际应用提供了强有力的支持，促进了AI技术的普及和发展。

(以上内容均由Ai生成)