腾讯混元发布新一代语音识别模型 Hy ASR3.0preview

腾讯混元今日正式发布新一代语音识别模型 Hy ASR3.0preview。该模型依托最新一代大语言模型 Hy3 的语言理解能力，将高精度语音识别与深度语义理解相结合，在通用识别、上下文感知、多场景鲁棒性和方言覆盖等核心维度上实现全面提升，能够在更复杂的真实输入环境中输出准确、连贯且更贴近用户本意的转写结果。官方表示，该产品已从"逐字转写、单点优化"进化至"理解语境、兼容场景、一键直出"的新阶段。

在评测表现方面，Hy ASR3.0preview 在海外开源评测集上将多个语种的词错误率（WER）控制在 3% 左右：中文普通话为 3.34%，英语为 2.62%，粤语为 3.12%。在腾讯自建评测集中，无论是通用识别、方言识别、上下文理解、专词理解，还是高噪、耳语等复杂声学场景，其词错误率均保持低位，在综合评测集上取得最低错词率。

针对用户实际体验，该版本重点优化了四个方面。其一，通用识别精度提升，在通用语音、方言、中英混说等场景下进一步减少错字、漏字问题，同时缓解长音频中错误累积的痛点。其二，语义理解能力增强，模型结合上下文精准捕捉用户语境，智能纠正同音词、消除语义歧义。其三，专业场景适配优化，支持热词注入增强功能，使模型能够快速识别品牌名、产品名、人名及行业术语，降低业务接入与后期维护成本。