千问大模型升级实时语音识别大模型Fun-ASR-Realtime 支持30种语言+16种方言

智通财经 APP 获悉，千问7 月 6 日，大模千问大模型正式推出实时语音识别大模型 Fun-ASR-Realtime。型升该模型实现了首字延迟控制在百毫秒级别，时语识别准确率逼近离线模型，音识言种并全面支持 16 种方言及 30 种语言，模型旨在解决实时场景下“又快又准”的支持种语技术难题。

实时 vs 离线：重新定义语音识别标准

语音识别技术主要分为离线与实时两类：
* 离线模型：一次性输入完整音频，千问追求极致准确度。大模
* 实时模型：边录边识，型升对低延迟和高准确率有双重严苛要求，时语广泛应用于直播字幕、音识言种会议实时转写、模型客服通话等场景。支持种语

Fun-ASR-Realtime 专为后者设计，千问致力于打破“速度”与“精度”难以兼得的行业瓶颈。

极致速度：首字百毫秒，尾字零延迟

在响应速度方面，Fun-ASR-Realtime 实现了突破性进展：
* 首字时延：控制在百毫秒级别，话音刚落，文字即刻呈现。
* 长句处理：即便面对长难句，尾字输出的延迟依然极低，保持全程流畅。

实战案例：
在“重返荒岛”100 小时直播中，面对多人两岛互动、说话人频繁切换、赛制复杂及暴雨干扰等高难度环境，观众仍能即时看到 Tim、中国 Boy 等嘉宾的精准字幕，显著提升了观看体验。

超高准确率：接近离线模型，具备“越听越准”能力

Fun-ASR-Realtime 的识别准确率已接近其离线模型 Fun-ASR-Flash。通过面向泛 Context（包含历史对话上下文和实时热词）的专项强化，模型具备了强大的上下文理解与自我纠错能力。

纠错演示：
在直播场景中，当 Tim 说出“夜鹭”时，模型起初误识为“叶鹿”。但在结合后续上下文“观鸟的朋友应该知道”后，模型立即自我纠正，展现了卓越的语义理解能力。

多语言与方言：覆盖全球，深耕本土

相较于市面主流实时模型，Fun-ASR-Realtime 在语言支持上更具广度与深度，支持 16 种方言和 30 种语言。

方言识别表现卓越

在覆盖八大方言区的 16 种方言测试中，Fun-ASR-Realtime 平均字符准确率达到 88.62%，在 12 类方言上实现领先，超越火山与腾讯等竞品。尤其在极具挑战的吴语系方言上表现惊艳：
* 上海话：92.41%
* 苏州话：89.21%
* 温州话（号称“最难懂方言”）：82.74%

此外，在福建话、客家话等复杂方言场景下，模型同样保持全面领先优势。

复杂场景与多语种：从工业远场到出海市场

工业场景横向测评

在 5 类工业中文和英文场景的语音识别测评中，针对复杂背景、远场嘈杂及带口音等极端条件，Fun-ASR-Realtime 依然表现稳健：
* 中文平均字符准确率：88.42%
* 英文平均字符准确率：91.58%
两项指标均领先于相关产品。

出海市场专项优化

模型针对泰语等东亚、东南亚多语言场景进行了专项优化，识别准确率提升 20%，完美适配出海客服、国际会议等全球化业务需求。

离线模型 Fun-ASR-Flash：全球权威榜单第一

与此同时，Fun-ASR-Realtime 的离线模式模型 Fun-ASR-Flash也已上线。在全球权威 AI 评测平台 Artificial Analysis上，Fun-ASR-Flash（榜单显示为曾用名 "Fun-realtime-ASR-preview"）字错率仅为 1.7%，荣登 全球第一。

(责任编辑：热点)