小米近日正式发布重磅消息：MiMo-V2.5-ASR 语音识别模型已上线运行。作为全链路语音模型的听觉基座，此次更新在方言、双语、强噪音、多说话人等复杂真实场景下，均宣称达到业界领先水平，为ASR技术树立了新标杆。
具体来看，本次升级亮点颇多：
中文方言识别方面，覆盖粤语、吴语、闽南语、四川话等主要方言，几乎一网打尽。在Code-Switch场景中，中英混合转录自然流畅，无需预先指定语种。歌曲识别能力同样出色，无论是中英文歌词，还是伴奏与人声混合的复杂音频，都能实现高精度识别。强噪音环境、远场拾音等长期难题，如今也有了鲁棒的识别方案。多说话人交叉对话场景，同样能准确转写。此外，知识关联能力得以增强，古诗词、专业术语、人名地名均可精准识别。最实用的莫过于原生标点功能——结合韵律与语义直接输出标点，转写结果即拿即用，大幅提升效率。
目前，MiMo-V2.5-ASR 已开放API，并支持在Token Plan中使用。定价按音频转写时长计费：国内0.5元/小时，海外0.074美元/小时，性价比突出。
