🏠IT之家•近期收集於 0m
阿里千問升級 Fun-ASR-Realtime，支援 30 種語言與 16 種方言
💡頂尖的語音識別效能（1.7% 字錯率），開發全球化語音應用程式的開發者必看。
⚡ 30-Second TL;DR
有什麼變化
支援 30 種語言與 16 種方言，平均字元準確率達 88.62%。
為什麼重要
此更新為開發者提供了一套極具競爭力的低延遲語音識別解決方案，特別有利於拓展東南亞市場的應用。
下一步行動
若您正在開發多語言客服或國際會議工具，請嘗試透過阿里雲百煉平台整合 Fun-ASR-Realtime API。
誰應關注：Developers & AI Engineers
關鍵要點
- •支援 30 種語言與 16 種方言，平均字元準確率達 88.62%。
- •實現百毫秒級的首字延遲，適用於即時串流場景。
- •離線版 Fun-ASR-Flash 在 Artificial Analysis 榜單以 1.7% 字錯率位居全球第一。
- •針對東南亞語言進行專項優化，識別準確率提升 20%。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •Fun-ASR 採用了 Paraformer 非自回歸端到端語音識別架構，顯著提升了推理速度並降低了計算資源消耗。
- •該模型整合了 ModelScope（魔搭社區）生態系統，開發者可透過開源代碼庫直接進行微調與二次開發。
- •針對複雜聲學環境，Fun-ASR 引入了熱詞增強（Hotword Boosting）技術，能有效提升專有名詞與特定領域術語的識別準確度。
- •阿里雲百煉平台提供的 API 介面支援 WebSocket 協議，專為高併發的即時語音轉文字應用場景設計。
- •Fun-ASR 專案在 GitHub 上已累積超過萬級 Star，成為開源語音識別領域中，中文與多語言支援度最高的專案之一。
📊 競品分析▸ Show
| 特性 | Fun-ASR-Realtime | OpenAI Whisper | Google Cloud Speech-to-Text |
|---|---|---|---|
| 架構 | 非自回歸 (Paraformer) | 自回歸 (Transformer) | 混合式/端到端 |
| 即時性 | 百毫秒級 (極高) | 需額外優化 (中) | 高 |
| 多語言支援 | 30種語言+16種方言 | 99種語言 | 125種以上語言 |
| 部署方式 | 開源/雲端 API | 開源/雲端 API | 雲端 API 為主 |
🛠️ 技術深入
- 核心架構：基於 Paraformer 模型，採用非自回歸（Non-Autoregressive）機制，解決了傳統自回歸模型在長序列生成時的延遲問題。
- 聲學模型：結合了 Encoder-Decoder 結構，並利用大規模多語言語音數據進行預訓練（Pre-training）。
- 語音增強：內建 VAD（語音活動檢測）模組，能自動過濾靜音與背景雜訊，提升串流輸入的穩定性。
- 訓練策略：採用了知識蒸餾（Knowledge Distillation）技術，將大型教師模型的知識遷移至輕量化學生模型，以適應邊緣設備部署。
🔮 前景展望AI analysis grounded in cited sources
Fun-ASR 將成為阿里雲在東南亞市場擴張的核心基礎設施。
透過針對東南亞語言的專項優化，阿里雲能有效降低當地企業導入 AI 語音服務的技術門檻與成本。
非自回歸架構將成為即時語音識別領域的技術標準。
Fun-ASR 在 Artificial Analysis 榜單的表現證明了非自回歸模型在延遲與準確率之間取得了更優的平衡。
⏳ 時間線
2022-05
阿里巴巴發布 Fun-ASR 開源專案，旨在提供工業級語音識別解決方案。
2023-06
Fun-ASR 引入 Paraformer 模型架構，大幅提升識別速度與準確率。
2024-03
Fun-ASR 於 ModelScope 平台更新，強化多語言與方言識別能力。
2025-09
Fun-ASR-Flash 離線版在 Artificial Analysis 榜單取得字錯率全球第一的成績。
2026-07
Fun-ASR-Realtime 升級，正式支援 30 種語言與 16 種方言並上線百煉平台。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： IT之家 ↗