阿里巴巴通义实验室推出了全新的端到端语音识别大模型 funaudio-asr。该模型引入创新的 context 模块，显著提升了在高噪声环境下的识别稳定性，将幻觉率从 78.5% 大幅下降至 10.7%，降幅接近 70%。
FunAudio-ASR 基于数千万小时的真实音频数据训练而成，并深度融合了大语言模型的语义理解能力，在远场、嘈杂背景及多说话人等复杂场景中表现出色，性能超越 Seed-ASR、KimiAudio-8B 等当前主流系统。
为满足不同应用场景需求，团队还推出了轻量版模型 FunAudio-ASR-nano。该版本在保证较高识别精度的同时，大幅降低计算资源消耗，适用于对算力和成本敏感的终端部署场景。
两个版本均支持低延迟流式语音识别、中英文自动切换以及用户自定义热词功能，具备良好的实用性与灵活性。目前，该技术已成功应用于钉钉“AI 听记”、视频会议系统以及 DingTalk A1 硬件设备中。其开放 API 也已在阿里云百炼平台正式上线，供开发者调用。
体验地址：https://www.php.cn/link/1a79e60cce2641f20b34acb72cd287d7
技术报告：https://www.php.cn/link/e340862bc3c1549012646f7abdc2e155
