12月5日，火山引擎推出豆包语音识别模型2.0版本，基于Seed混合专家大语言模型架构打造。该版本在推理能力方面实现显著提升，能够通过深度理解上下文内容完成更精准的语音识别，整体关键词召回率较此前提高20%。
新版本引入多模态视觉识别能力，不仅可处理语音信息，还能结合图像内容进行综合判断，支持单图与多图输入，使文字识别结果更加准确。系统现已覆盖日语、韩语、德语、法语等13种海外语言，具备较强的跨语种识别性能。
针对实际使用中的复杂场景，模型在专有名词、人名、地名、品牌名称以及易混淆的多音字识别方面进行了专项优化。例如，在讨论历史人物苏辙时，当用户提到其贬谪地“筠（yún）州”，即便上下文中未直接出现该地名，模型也能结合当前语境和相关背景知识，准确区分“筠州”与发音相近的“云州”“郓州”等，有效避免误识别。
目前，豆包语音识别模型2.0已在火山方舟体验中心上线，并开放API接口，供外部接入使用。
浏览量
浏览量
浏览量
浏览量
浏览量
浏览量
浏览量
浏览量
浏览量
浏览量
