腾讯混元发布新一代语音识别模型Hy ASR3.0preview

腾讯混元今日正式推出新一代语音识别模型Hy ASR3.0preview。该模型首次将大语言模型Hy3的深度语义理解能力与高精度语音识别进行深度融合，推动语音识别从"逐字转写、单点优化"向"理解语境、兼容场景、一键直出"跨越。

据官方披露，新模型在多项评测中表现突出。在开源评测集上，中文普通话、英语、粤语的词错误率（WER）分别低至3.34%、2.62%、3.12%，整体控制在3%左右。在自建评测集中，模型覆盖通用识别、10余种方言、上下文语义理解、专业术语识别及高噪、耳语等复杂声学场景，WER同样保持行业领先水平。

技术层面，Hy ASR3.0preview的能力升级源于全链路优化。架构上采用兼顾效率与性能的MoE架构，基座升级为Hy3大模型，同时自研无监督语音Encoder，依托数千万小时级语音数据训练，提升声学特征提取能力。预训练阶段实现语音Encoder与大语言模型联合训练，覆盖多方言、多口音、多声学环境的海量数据，通过多阶段能力注入强化方言识别、上下文感知等特性。后训练环节则构建了覆盖20余个方言小片区的SFT数据集，结合多阶段强化学习，针对性解决复杂场景下的误识别、漏识别问题。

目前，Hy ASR3.0preview已上线腾讯云官网对外开放API，可广泛应用于智能客服、内容理解、语音搜索等领域。腾讯旗下AI助手"元宝"已完成首发接入，用户可通过语音输入体验方言识别、上下文智能纠错、复杂环境稳定转写等功能，相关能力免费开放；WorkBuddy等产品也在陆续接入中。业内认为，此次更新标志着语音识别技术向"更懂用户意图"的方向迈出关键一步，将为多场景语音交互体验带来显著提升。