8月22日，阿里通义发布新一代端到端语音识别大模型Fun-ASR，该模型提升了上下文感知和高精度语音转写能力，在家装、保险等行业场景的识别准确率提升15%以上。目前，Fun-ASR已应用于会议字幕与同传、智能纪要、语音助手等场景，未来将上线阿里云百炼。

Fun-ASR是大语言模型驱动的语音识别算法，基于自研语音算法和监督微调的Qwen3训练，采用前沿模型架构和文本模态对齐技术，有效增强语言处理能力。此外，Fun-ASR集成RAG方案，支持导入1000多个自定义热词，可根据输入音频获取相关领域术语和记录，提升特定关键词识别效果。

为解决识别不准确、噪声干扰、语种混淆和生成幻觉问题，通义团队在训练中引入RL（强化学习）技术，减少识别幻觉，提高系统准确性和可靠性。在四川话、粤语、闽南语等方言识别上，Fun-ASR表现优于同类产品。同时，该模型在远场拾音和近场降噪等多样化环境中具有良好的适应性，可保障会议室、工位、超市、户外等场景的识别准确率。

基于上亿小时音频数据训练，Fun-ASR全面覆盖互联网、科技、家装、畜牧、汽车等十多个领域，在多个垂直领域的识别准确率显著提升。实测数据显示，保险行业识别准确率提升18%，在家装、畜牧等行业实现15%-20%的提升。

在音频领域，通义实验室已推出语音生成大模型Cosyvoice、端到端音频多模态大模型MinMo、音频生成模型ThinkSound等，全面覆盖语音识别、合成、生成和理解等场景。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。