豆包語音識別模型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)布豆包語音識別模型2.0（Doubao-Seed-ASR-2.0），依托Seed混合專家大語言模型架構構建。
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識別，上下文整體關鍵詞召回率提升20%。
同時支持多模態(tài)視覺識別，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別更精準。
此外，2.0版本還支持日語、韓語、德語、法語等 13 種海外語種的精準識別。
并且重點針對專有名詞、人名、地名、品牌名稱及易混淆多音字等復雜場景進行了升級。
以歷史人物生平討論場景為例，當用戶提及蘇轍貶謫地“筠（yún）州”時，如果模型缺乏推理能力會易將其誤識別為同音的“云州”“鄆州”等。
而豆包語音識別模型2.0可依托“當前討論蘇軾、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，最終實現(xiàn)對多音字地名的精準識別。
目前，豆包語音識別模型2.0已上線火山方舟體驗中心并對外提供API服務。
原標題：豆包語音識別模型2.0發(fā)布：能聽懂字看懂圖 支持13種外語
責任編輯：李曉靈
- 相關閱讀:
-
詔安縣消防救援大隊到高層住宅小區(qū)開展消防安全指導服務2025-12-02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：預計全國流感在12月上中旬達峰的可能性較
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、局長費東斌嚴重違紀違法被“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)收集使用個人信息 這69款移動應用被通報
2025-12-05 16:19 - 酒泉市阿克塞縣原縣委副書記、縣長銀雁嚴重違紀違法被
2025-12-05 16:19 - 檢察機關依法分別對段相霖、田艷、旦增提起公訴
2025-12-05 16:19
- 國家衛(wèi)健委：預計全國流感在12月上中旬達峰的可能性較
- 猜你喜歡:
-
國臺辦回應哥倫比亞否認將在臺設立“辦事處”：一個中國原則是國際社會普遍共識2025-12-03第三輪第五批中央生態(tài)環(huán)境保護督察全部進駐2025-11-21vivo X300 Ultra搭載2K直屏 電池或不到7000mAh2025-11-27
-
評論(豆包語音識別模型2.0發(fā)布：聽懂字看懂圖 支持13種外語)