%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
相關推薦
科大訊飛發佈AI軟硬一體方案：在90分貝噪聲中也能精準識別
科大訊飛在2025年1024開發者節發佈AI軟硬一體解決方案，通過算法與硬件深度融合，解決了高噪聲、遠場等複雜環境下的識別難題，提升了語音與視覺智能的精準度，標誌着該領域的重要突破。
阿里通義推出 Qwen3-ASR-Toolkit，實現音視頻轉錄新突破
阿里通義Qwen團隊推出開源Python命令行工具Qwen3-ASR-Toolkit，支持便捷音視頻轉錄。該工具突破Qwen3-ASR-Flash API的三分鐘限制，實現小時級快速轉錄，爲大規模音頻處理提供有力支持。Qwen3-ASR-Flash是最新語音識別模型，基於海量多模態數據訓練。
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
OpenAI Evals新增原生音頻輸入和評估功能
近日，OpenAI 的 Evals 工具迎來了令人振奮的重大更新，新增了原生音頻輸入和評估功能。這一創新意味着開發者們在測試和優化語音識別與生成模型時，可以直接使用音頻文件進行評估，而無需經過繁瑣的文本轉錄過程。這一變化極大地簡化了評估流程，使得音頻應用的開發變得更加高效。在以往的評估過程中，開發者們往往需要先將音頻內容轉化爲文本，這不僅費時費力，還可能影響評估結果的準確性。而現在，通過 Evals 的新功能，用戶只需簡單地上傳音頻文件，便可以在平臺上直接進
釘釘攜手通義實驗室推出全新語音識別大模型 Fun-ASR
釘釘與通義實驗室聯合推出新一代語音識別大模型Fun-ASR，具備出色的語音轉寫能力。該模型支持十大行業專業術語識別，可定製企業專屬模型，並能處理多語言和口音。基於上下文理解，實現精準語音識別。