Hy ASR 3.0 preview – 騰訊混元推出的新一代語音識別模型

Hy ASR 3.0 preview是什麼

Hy ASR 3.0 preview是騰訊混元推出的新一代語音識別模型，基於 Hy3 大語言模型，融合高精度語音識別與深度語義理解。模型支持中文、英語、粵語及10大方言片區，具備上下文智能糾錯、熱詞注入及高噪/耳語等複雜場景魯棒性。開源評測集WER控制在3%左右，自建評測集全面領先競品。

Hy ASR 3.0 preview的主要功能

• 通用精準識別： 支持中文普通話、英語、粵語及中英混說，減少錯字漏字與長音頻錯誤累積。
• 上下文語義理解： 結合 Context 精準捕捉用戶語境，智能糾錯同音詞，消除語義歧義。
• 熱詞注入適配： 支持品牌名、人名、行業術語等熱詞增強，降低業務接入與維護成本。
• 複雜環境魯棒： 針對高噪、耳語、悄悄話等聲學場景專項優化，保持穩定識別表現。
• 方言廣泛覆蓋： 支持10大方言片區、20餘個二級小片區，含東北官話、粵語、吳語、閩南語等。

Hy ASR 3.0 preview的技術原理

• 架構升級： 採用 MoE 架構，基座模型升級至 Hy3；自研無監督語音 Encoder，基於數千萬小時語音數據訓練，提取高質量聲學表徵。
• 預訓練 Scaling： Encoder 與 LLM 聯合訓練，引入數千萬小時多來源語音數據（有聲讀物、對話、視頻/廣播等），通過多階段能力注入獲得方言理解與上下文建模能力。
• 後訓練增強： 構建覆蓋複雜音頻、Any Context 上下文、通用能力的高質量 SFT Recipe；通過多階段強化學習分別優化通用轉寫準確性、上下文長程依賴及複雜長尾場景表現。

如何使用Hy ASR 3.0 preview

通過騰訊雲 API 接入或打開騰訊元寶按住說話即可免費體驗。

Hy ASR 3.0 preview的核心優勢

• 語義理解升級： 基於 Hy3 大語言模型，融合高精度語音識別與深度語義理解，從逐字轉寫進化爲理解語境、一鍵直出。
• 評測全面領先： 開源評測集 WER 控制在 3% 左右，自建評測集在通用、方言、上下文、複雜聲學場景均優於競品。
• 上下文智能糾錯： 結合 Context 精準捕捉語境，智能糾錯同音詞，消除語義歧義，支持長程依賴建模。
• 熱詞快速適配： 支持品牌名、人名、行業術語等熱詞注入，降低專業場景業務接入與維護成本。
• 方言與複雜環境覆蓋： 支持 10 大方言片區及 20 餘個二級小片區，在高噪、耳語等複雜聲學環境下保持穩定表現。

Hy ASR 3.0 preview的同類競品對比

Hy ASR 3.0 preview的應用場景

• 智能客服： 電話與在線客服場景下，Hy ASR 3.0 preview 通過熱詞注入精準識別品牌名稱與業務術語，實現語音實時轉寫，顯著提升服務響應效率。
• 內容創作： 在播客、會議、訪談等長音頻內容生產中，模型結合上下文語義理解智能消除歧義，一鍵輸出連貫可讀的高質量文本，降低後期編輯成本。
• 語音搜索： 支持用戶使用方言語音進行查詢，並在嘈雜環境下準確識別語音指令，有效降低多語種、多口音用戶的輸入門檻。
• 辦公協作： 會議紀要實時轉寫場景中，即使面對耳語、悄悄話等低音量輸入，模型依然保持穩定識別，助力團隊實現高效溝通與信息沉澱。
• 智能終端： 在車載導航、智能家居等 IoT 設備交互中，模型針對高噪聲學環境進行專項優化，保障複雜場景下的語音識別魯棒性與用戶體驗。