علی به‌روزرسانی مدل شناسایی گفتار Fun-ASR-Realtime، تأخیر در شناسایی کلمات به صد میلی‌ثانیه کاهش یافت و نرخ شناسایی لهجه ونتزو بیش از 82% است

آزمایشگاه علی به‌روزرسانی مدل بزرگ شناسایی گفتار جریانی Fun-ASR-Realtime تأخیر در شناسایی کلمات را به سطح صد میلی‌ثانیه کاهش داده است، به‌طوری‌که بلافاصله پس از پایان گفتار، کلمات شناسایی می‌شوند و دقت آن به دقت مدل‌های آفلاین نزدیک است. در پخش زنده 100 ساعته اخیر در جزیره خالی، این مدل در شرایط سخت، پشتیبانی از زیرنویس زنده را ارائه داد و در مجموع بیش از 60 هزار جمله و 1.32 میلیون کلمه را شناسایی کرد. این مدل جدید توانایی درک زمینه را تقویت کرده و با ترکیب مکالمات تاریخی و تصحیح خطاهای داغ زنده، از 30 زبان و 16 لهجه پشتیبانی می‌کند. در تست لهجه‌ها، دقت میانگین کاراکترها به 88.62% رسید، در حالی که برای لهجه شانگهای 92.41% و برای لهجه ونتزو به 82.74% رسید. نسخه آفلاین مدل Fun-ASR-Flash در رده‌بندی نرخ خطای کلمات در پلتفرم ارزیابی هوش مصنوعی جهانی Artificial Analysis مقام اول را کسب کرد. در حال حاضر، این دو مدل جدید به عنوان خدمات API تجاری در علی‌کلود راه‌اندازی شده‌اند و فریم‌ورک منبع باز FunASR و مدل‌های اکوسیستم آن را می‌توان در جامعه مودا و گیت‌هاب دریافت کرد.

این محتوا صرفاً برای اطلاع‌رسانی عمومی ارائه شده است و به‌منزله مشاوره مالی، سرمایه‌گذاری، حقوقی یا مالیاتی تلقی نمی‌شود. هرگونه رویداد، جایزه، کمپین آنلاین یا اطلاعات مرتبط که در اینجا ذکر شده است، نباید به‌عنوان توصیه، ترغیب یا دعوت به خرید، فروش، معامله یا هرگونه دادوستد دیگر دارایی‌های رمزارزی تلقی شود. دارایی‌های رمزارزی از نوسان بالایی برخوردار هستند و ممکن است منجر به زیان شوند. دسترسی به خدمات، محصولات و رویدادهای مرتبط با WEEX ممکن است بسته به منطقه جغرافیایی متفاوت باشد. اطمینان از اینکه استفاده شما از این خدمات با قوانین و مقررات محلی مطابقت دارد، بر عهده خود شماست.