火山引擎正式推出豆包语音识别模型2.0（Doubao-Seed-ASR-2.0），该模型基于领先的Seed混合专家大语言模型架构构建，在推理能力、多模态支持及多语种识别等方面均实现显著突破，现已通过火山方舟体验中心正式对外开放API服务。

推理能力全面增强，上下文理解更精准
模型2.0通过深度上下文理解技术，将整体关键词召回率提升20%。在处理复杂专有名词、人物姓名、地理名称、品牌术语及多音字场景时表现尤为出色。例如在历史人物讨论中，即使对话背景未明确提及"郓（yùn）州"，模型仍能结合苏轼、苏辙等相关人物背景，精准识别该地名，有效避免与"云州""鄄州"等同音词混淆。

新增多模态视觉识别能力
模型突破传统语音识别局限，不仅支持语音转文字，还能结合单图、多图等视觉信息进行综合分析，实现"听懂语音"与"看懂图像"的深度融合，进一步提升识别准确率。

扩展13种海外语种支持
除中文优化外，模型2.0新增对日语、韩语、德语、法语等13种语言的精准识别能力，适应更广泛的国际化应用场景。

目前，豆包语音识别模型2.0已具备更强的实际场景适应性与准确度，为企业与开发者提供更智能的语音识别解决方案。