豆包語音識(shí)別模型2.0發(fā)布：聽懂字看懂圖 支持13種外語
今日，火山引擎發(fā)布豆包語音識(shí)別模型2.0（Doubao-Seed-ASR-2.0），依托Seed混合專家大語言模型架構(gòu)構(gòu)建。
據(jù)介紹，2.0版本模型推理能力提升，可以通過深度理解上下文完成精準(zhǔn)識(shí)別，上下文整體關(guān)鍵詞召回率提升20%。
同時(shí)支持多模態(tài)視覺識(shí)別，不僅“聽懂字”還能“看懂圖”，通過單圖和多圖等視覺信息輸入讓文字識(shí)別更精準(zhǔn)。
此外，2.0版本還支持日語、韓語、德語、法語等 13 種海外語種的精準(zhǔn)識(shí)別。
并且重點(diǎn)針對(duì)專有名詞、人名、地名、品牌名稱及易混淆多音字等復(fù)雜場(chǎng)景進(jìn)行了升級(jí)。
以歷史人物生平討論場(chǎng)景為例，當(dāng)用戶提及蘇轍貶謫地“筠（yún）州”時(shí)，如果模型缺乏推理能力會(huì)易將其誤識(shí)別為同音的“云州”“鄆州”等。
而豆包語音識(shí)別模型2.0可依托“當(dāng)前討論蘇軾、蘇轍”這一背景，即便上下文從沒出現(xiàn)過“筠州”，也能通過邏輯推理鎖定用戶所指的特定地名，最終實(shí)現(xiàn)對(duì)多音字地名的精準(zhǔn)識(shí)別。
目前，豆包語音識(shí)別模型2.0已上線火山方舟體驗(yàn)中心并對(duì)外提供API服務(wù)。
原標(biāo)題：豆包語音識(shí)別模型2.0發(fā)布：能聽懂字看懂圖 支持13種外語
責(zé)任編輯：李曉靈
- 相關(guān)閱讀:
-
國網(wǎng)漳州供電公司：青春援藏踐初心 山海共繪光明卷2025-12-02
- 新聞 娛樂 福建 泉州 漳州 廈門
-
- 國家衛(wèi)健委：預(yù)計(jì)全國流感在12月上中旬達(dá)峰的可能性較
2025-12-05 16:21 - 中國疾控中心：全國流感疫情整體處于高流行水平
2025-12-05 16:21 - 國家鐵路局原黨組書記、局長費(fèi)東斌嚴(yán)重違紀(jì)違法被“雙
2025-12-05 16:20 - 英格蘭面臨“前所未有”的流感潮
2025-12-05 16:20 - 違法違規(guī)收集使用個(gè)人信息 這69款移動(dòng)應(yīng)用被通報(bào)
2025-12-05 16:19 - 酒泉市阿克塞縣原縣委副書記、縣長銀雁嚴(yán)重違紀(jì)違法被
2025-12-05 16:19 - 檢察機(jī)關(guān)依法分別對(duì)段相霖、田艷、旦增提起公訴
2025-12-05 16:19
- 國家衛(wèi)健委：預(yù)計(jì)全國流感在12月上中旬達(dá)峰的可能性較
- 猜你喜歡:
-
第三輪第五批中央生態(tài)環(huán)境保護(hù)督察全部進(jìn)駐2025-11-21vivo X300 Ultra搭載2K直屏 電池或不到7000mAh2025-11-27
-
評(píng)論(豆包語音識(shí)別模型2.0發(fā)布：聽懂字看懂圖 支持13種外語)