12月5日,火山引擎正式推出豆包语音识别模型2.0(Doubao-Seed-ASR-2.0),该模型基于Seed混合专家大语言模型架构构建而成。
据最新介绍,2.0版本模型的推理能力显著提升,能够通过深度理解上下文语境实现精准识别,其整体关键词召回率提升了20%。模型支持多模态视觉识别,在“听得懂”的同时也能“看得懂”,可通过单图或多图等视觉信息输入,有效提升文字识别的准确度。
该模型支持日语、韩语、德语、法语等13种海外语种的识别。同时,重点针对专有名词、人名、地名、品牌名称以及易混淆多音字等复杂场景进行了专项优化升级。

