阿里巴巴推出革命性語音識別模型FunAudio-ASR，降噪效果驚人

近日，阿里巴巴通義實驗室正式發佈了其最新的端到端語音識別大模型 ——FunAudio-ASR。這個模型的最大亮點在於它的創新 “Context 模塊”，讓高噪聲環境下的語音識別準確率得到了顯著提升，幻覺率從78.5% 大幅降低至10.7%，降幅近乎70%。這一技術突破爲語音識別行業樹立了新的標杆，尤其適用於嘈雜的場合，如會議、公共場所等。

FunAudio-ASR 模型在訓練過程中使用了數千萬小時的音頻數據，並將大語言模型的語義理解能力融入其中，使其在遠場、嘈雜和多說話人等複雜條件下的表現，已經超越了諸如 Seed-ASR、KimiAudio-8B 等衆多主流語音識別系統。通過這一技術的應用，用戶在進行語音識別時，能夠享受到更清晰、更精準的識別效果。

除了完整版本外，阿里還推出了輕量化版本 FunAudio-ASR-nano。該版本在保持高識別準確率的同時，降低了推理成本，適合那些對資源要求較高的部署環境。無論是大企業還是小型團隊，都能找到適合自己的解決方案。

目前，FunAudio-ASR 已經在釘釘的 “AI 聽記” 功能、視頻會議以及 DingTalk A1硬件中得到了實際應用。此外，其 API 也已在阿里雲百鍊平臺上正式上線，方便開發者進行集成和使用。對於企業用戶而言，這意味着他們可以利用這一先進技術提升會議效率，增強溝通效果。

FunAudio-ASR 不僅爲語音識別技術帶來了新突破，更爲用戶的實際應用提供了強大支持，推動了 AI 技術的進一步普及和應用。

官方介紹：https://mp.weixin.qq.com/s/7l5EPTU7cpz7GSN4RP91rg