阿里通义实验室发布端到端语音识别大模型 FunAudio-ASR-低调大师

阿里通义实验室发布端到端语音识别大模型 FunAudio-ASR

2025-09-16 133

阿里巴巴通义实验室发布了其端到端语音识别大模型 FunAudio-ASR。该模型通过创新的 Context 模块，成功将高噪声场景下的幻觉率从 78.5% 大幅降低至 10.7%，降幅接近 70%。

模型使用了数千万小时的音频数据进行训练，并融合了大语言模型的语义能力，在远场、嘈杂、多说话人等复杂条件下，其性能已超越 Seed-ASR、KimiAudio-8B 等主流系统。

FunAudio-ASR 提供了轻量化版本 FunAudio-ASR-nano，在保持较高识别准确率的同时，具备更低的推理成本，适合对资源敏感的部署环境。

两个版本均支持低延迟流式识别、中英无缝切换以及用户自定义热词功能。目前，该技术已在钉钉的 “AI 听记”、视频会议以及 DingTalk A1 硬件中落地应用。其 API 也已在阿里云百炼平台上线。

体验地址：https://modelscope.cn/studios/iic/FunAudio-ASR
技术报告：https://github.com/FunAudioLLM/FunAudioLLM.github.io/blob/master/pdf/FunAudio-ASR.pdf

微信关注我们

原文链接：https://www.oschina.net/news/372559

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

喜报 | GPTBots 与极光推送双双荣获「金灵光杯」重磅奖项！

近日，第二届“金灵光杯”中国互联网创新大赛颁奖仪式在雄安新区盛大举行。 “金灵光杯”大赛由中国互联网协会（Internet Society of China）主办。作为由国内从事互联网行业的网络运营商、服务提供商、设备制造商、系统集成商以及科研、教育机构等700多家会员单位组成的全国性、行业性、非营利性社会组织，中国互联网协会旨在搭建行业交流平台、推动产业健康发展，其主办的评选活动在业内享有极高的权威性和公信力。本届大赛旨在发掘和表彰年度最具技术突破、商业价值和社会影响力的创新产品与企业，其评选结果被视为行业发展的风向标。本届大赛竞争尤为激烈，吸引了超过1000家单位申报，提交项目多达1500余个。经过由多名院士及行业顶尖专家组成的评审委员会全方位、深层次的剖析与评估。中国领先的客户互动和营销科技服务商极光（Aurora Mobile，纳斯达克股票代码：JG），凭借在人工智能和客户互动领域的持续创新与深厚积累，旗下两大核心产品——企业级AI智能体平台GPTBots与市场领先的极光推送（JPush）在2025年（第二届）“金灵光杯”中国互联网创新大赛中表现突出。GPTBots凭借“A...

2025-09-16

112

谷歌 DeepMind 最近推出了一款名为 VaultGemma 的新型语言模型，这一创新的技术专注于用户隐私的保护。VaultGemma 不仅是开源的，而且是目前规模最大的具备差分隐私能力的语言模型，参数数量达到了惊人的10亿。这项技术的发布，标志着人工智能领域在保护用户数据隐私方面的重大进步。传统的大语言模型在训练过程中可能会不小心记住一些敏感信息，比如姓名、地址和机密文档等。为了应对这一挑战，VaultGemma 引入了差分隐私技术，通过在训练过程中添加可控的随机噪声，确保模型的输出无法与特定的训练样本关联。这意味着，即使 VaultGemma 曾接触过机密文件，从统计学上也无法还原其内容。谷歌的初步测试结果显示，VaultGemma 确实没有泄露或复现任何训练数据，进一步提升了用户的信任感。在技术架构方面，VaultGemma 是基于 Google 的 Gemma2架构，采用了仅解码器的 Transformer 设计，包含26层，并使用了多查询注意力机制。一个关键的设计选择是将序列长度限制为1024个 Token，这样有助于管理私有训练所需的高密集计算。开发团队还借助一种...

2025-09-16

282

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。