Alibaba Qwen обновила модель распознавания речи Fun-ASR-Realtime с поддержкой 30 языков и 16 диалектов

Alibaba Qwen обновила модель распознавания речи Fun-ASR-Realtime. Теперь одна модель поддерживает 30 языков и 16 диалектов, а API уже доступен на платформе Alibaba Cloud Bailian.

Как пишет IT Home, в тестах распознавания 16 диалектов из восьми диалектных групп средняя точность распознавания символов у Fun-ASR-Realtime достигла 88,62%. В компании утверждают, что модель показала лучший результат в 12 категориях диалектов и обошла аналогичные продукты Volcano Engine и Tencent.

Alibaba также заявила, что задержка первого ответа составляет сотни миллисекунд, при этом точность потокового распознавания близка к офлайн-режиму. Модель умеет бесшовно переключаться между несколькими языками.

Отдельно компания отметила оптимизацию для многоязычных сценариев в Восточной и Юго-Восточной Азии, включая тайский язык. По данным Alibaba, точность распознавания в таких задачах выросла на 20%. Модель рассматривают как решение для международной клиентской поддержки и международных конференций.

Недавно стала доступна и офлайн-версия Fun-ASR-Flash. На платформе Artificial Analysis она указана под прежним названием Fun-realtime-ASR-preview и, как утверждается, занимает первое место в мире с уровнем ошибок 1,7%.