ITCOW牛新网 4月20日消息，阿里通义实验室今日发布语音识别大模型Fun-ASR 1.5。该模型已上线阿里云百炼平台，面向教育、传媒、金融等行业提供API服务，个人用户也可在魔搭社区进行体验。
基于统一的语音大模型架构，Fun-ASR 1.5 能够实现单模型覆盖30种语言及汉语的七大方言体系（包含超过20种地方口音）。其采用的混合专家（MoE）架构使其具备无需预设语种标签的自动识别与切换能力，可精准处理中英混杂等复杂语音场景。在方言识别方面，官方数据显示其平均字错误率（CER）较上一代模型降低约56.2%，并能准确识别并输出“侬”等极具地方特色的词汇。
针对特定文化应用场景，模型对以《诗经》、《楚辞》及唐宋诗词为代表的古代诗文真人吟诵音频进行了专项优化，官方称其古诗词字符级识别准确率可达97%。在输出文本的后处理上，模型集成了智能标点插入功能，并能将口语中不规范的表达，例如“五万八千块”，自动转换为“58000元”等符合书面语规范的格式，从而大幅降低会议纪要、访谈记录等场景下的后期整理成本。
