阿里语音模型132万字实时字幕助力影视飓风百小时直播
阿里实时语音识别模型升级，首字延迟仅为百毫秒，准确率接近离线水平，可支持多达16种方言及30种语言。在影视飓风100小时直播中累计识别132万字字幕。其离线模型字错率仅1 7%，全球权威榜单上排名第一。
今天，我们正式升级实时语音识别大模型Fun-ASR-Realtime——一款首字延迟控制在百毫秒级别、识别准确率接近离线模型的流式语音识别模型，支持16种方言和30种语言。在7月2日结束的影视飓风「重返荒岛」100小时直播中，实时字幕由Fun-ASR-Realtime全程提供，累计识别字幕6万余条、共计132万字。
先说清楚一件事：实时和离线的差别
语音识别模型分为离线和实时两类。离线模型可一次性输入录好的音频，准确度更高；实时模型边录边识，需又准又快，识别难度更高，适合直播字幕、会议实时转写、客服通话等低延迟场景。Fun-ASR-Realtime面向的正是后一种——让"又快"和"又准"同时成立。
速度：首字百毫秒，尾字不掉队
在速度上，模型首字时延控制在百毫秒级别，话音刚落，文字即开始呈现；对很长的句子，尾字输出的延迟同样很低。以「重返荒岛」100小时直播为例，多人两岛互动、说话人频繁切换，赛制复杂还遇上了暴雨，观众可即时看到Tim和中国boy等嘉宾的发言字幕，直接增强了观看体验。
准确率：接近离线模型，还能“越听越准”
在准确率上，Fun-ASR-Realtime接近其离线模型Fun-ASR-Flash，并面向泛Context（包含历史对话上下文和实时热词）进行了专项强化，具备上下文理解能力。举一个直播里的真实例子：Tim说出的"夜鹭"最初被误识为"叶鹿"，在补充上下文"观鸟的朋友应该知道"后，模型立刻自我纠正。
在影视飓风“重返荒岛”100小时直播节目中，实时字幕根据上下文纠错，将“叶鹿”改为“夜鹭”。
多语言和方言：这是Fun-ASR-Realtime最能听的部分
相较于市面上的实时模型，Fun-ASR-Realtime支持的语音种类更加丰富，可识别16种方言和30种语言。在覆盖八大方言区的16种方言识别测试中，Fun-ASR-Realtime字符准确率平均为88.62%，在12类方言上领先，超越火山与腾讯相关产品。尤其在高难度的吴语系方言上表现惊艳——上海话92.41%，苏州话89.21%，温州话（号称"最难懂方言"）82.74%。在福建话、客家话等复杂方言上，模型同样全面领先。
Fun-ASR-Realtime在16种方言识别测试中领先。CER为字符错误率（Character Error Rate），1-CER代表字符准确率。
方言Demo展示：
上海话：
语音识别结果：工作再平凡，只要认真做，也能做出味道，做出属于自己的成绩。
苏州话：
语音识别结果：我第一次得奖是小学三年级，语文竞赛拿了二等奖，老师奖励我一本笔记本。
温州话：
语音识别结果：加班到半夜，开车回家，电台里放着轻柔的爵士乐，路上一个人都没有，只有红绿灯在那里孤独地闪着。
福建话：
语音识别结果：我要申请诏安县的创业补贴政策，帮我查需要哪些材料，怎么申办。
闽南话：
语音识别结果：闽南地区冬天基本不下雪，但是阴冷，湿气很重，比北方干冷难受多了。
客家话：
语音识别结果：对梅州的风土人情挺感兴趣的，当地人平时有哪些特别的节日习俗或传统活动吗？
粤语：
语音识别结果：五象新区今年将引进多家世界五百强企业，预计为南宁市提供大量嘅就业机会。
复杂场景与多语种：从工业远场到出海市场
在5类工业中文和英文场景的语音识别横向测评中，针对复杂背景、远场嘈杂以及各种带口音的场景，Fun-ASR-Realtime依然表现良好，中文平均字符准确率88.42%、英文91.58%，均领先相关产品。
Fun-ASR-Realtime在5类工业中文和英文场景的语音识别横向测评中领先。
在此基础上，模型面向泰语等东亚、东南亚多语言场景进行了专项优化，识别准确率提升了20%，适用于出海客服、国际会议等场景。
多语种Demo展示：
印尼语：
语音识别结果：Tidak sia-sia pergi ke Pulau Bali karena Anda dapat melihat indahnya matahari terbit. 去巴厘岛绝不会白跑一趟，因为在那里你可以看到美丽的日出。
泰语：
语音识别结果：ในโรงเรียนแห่งนี้ พวกเราให้นักเรียนของเราพัฒนาทักษะความสามารถของพวกเขาและทำให้ดียิ่งขึ้น 在这所学校里，我们让学生们发展自身的技能和才能，并使之不断精进。
西班牙语：
语音识别结果：planchar la ropa cuando aún está húmeda puede ayudar a secarla. muchos hoteles cuentan con plancha y una tabla para prestar a los viajeros, incluso si uno no se encuentra en la habitación. 趁衣服还湿的时候熨烫，可以帮助把它烘干。许多酒店都备有熨斗和熨衣板供旅客借用，即使房间里没有配备。
离线模型Fun-ASR-Flash：全球权威榜单第一
Fun-ASR-Realtime的离线模式模型Fun-ASR-Flash也已于近期上线。在全球权威AI评测平台Artificial Analysis上，Fun-ASR-Flash（榜单上为该模型曾用名"Fun-realtime-ASR-preview"）字错率1.7%，位列全球第一。
欢迎体验
阿里云百炼：Fun-ASR-Realtime使用指南：https://help.aliyun.com/zh/model-studio/real-time-speech-recognition-user-guide
Fun-ASR-Flash体验入口：https://bailian.console.aliyun.com/cn-beijing#/doc/?type=model&url=2979031
你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：阿里语音模型132万字实时字幕助力影视飓风百小时直播要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。
相关热点嵌入式AI面临功耗与编程复杂性挑战。基于低功耗FPGA的方案，如LatticesensAI堆栈（采用ICE40UltraPlus与ECP5）可在1W内实现BNN与CNN推理。神经网络编译器支持从Caffe TensorFlow直接生成比特流，降低编程门槛；SilexaSLX工具自动将C C++代码重构为HLS格式，加速遗留代码迁移，推动AI边缘部署。
最大边际相关性（MMR）算法通过迭代选择最大化边际相关性，在确保与查询高度相关的同时，最大化结果间的差异性，减少信息冗余。参数λ控制相关性与多样性的权重平衡，可优化推荐与检索系统的用户体验与信息覆盖。
汽车正逐渐演变为最前沿的人工智能平台，这一概念或许略显抽象，但回顾我们日常驾驶的车辆便能清晰感知——从语音助手到高级驾驶辅助，AI已全面渗透至设计、工程与用户体验的每一个环节。换言之，如今的汽车早已超越“四个轮子加一个方向盘”的传统定义，进化为一个可不断迭代升级的智能移动空间。 与此同时，消费者的期
BGE-M3模型基于XLM-RoBERTa架构，支持密集、稀疏和多向量三种检索方式，覆盖一百余种语言并能处理长达8192个token的文本，具备多语言、多功能、多粒度特性。通过自知识蒸馏技术提升嵌入质量，可显著提升RAG系统的召回率，效果优异。
- 日榜
- 周榜
- 月榜
热点快看