12月5日消息,豆包懂字今日,語(yǔ)音火山引擎發(fā)布豆包語(yǔ)音識(shí)別模型2.0(Doubao-Seed-ASR-2.0),識(shí)別依托Seed混合專家大語(yǔ)言模型架構(gòu)構(gòu)建。模型
據(jù)介紹,發(fā)布2.0版本模型推理能力提升,看懂可以通過(guò)深度理解上下文完成精準(zhǔn)識(shí)別,圖支上下文整體關(guān)鍵詞召回率提升20%。持種
同時(shí)支持多模態(tài)視覺(jué)識(shí)別,外語(yǔ)不僅“聽(tīng)懂字”還能“看懂圖”,豆包懂字通過(guò)單圖和多圖等視覺(jué)信息輸入讓文字識(shí)別更精準(zhǔn)。語(yǔ)音
此外,識(shí)別2.0版本還支持日語(yǔ)、模型韓語(yǔ)、發(fā)布德語(yǔ)、看懂法語(yǔ)等 13 種海外語(yǔ)種的精準(zhǔn)識(shí)別。
并且重點(diǎn)針對(duì)專有名詞、人名、地名、品牌名稱及易混淆多音字等復(fù)雜場(chǎng)景進(jìn)行了升級(jí)。
以歷史人物生平討論場(chǎng)景為例,當(dāng)用戶提及蘇轍貶謫地“筠(yún)州”時(shí),如果模型缺乏推理能力會(huì)易將其誤識(shí)別為同音的“云州”“鄆州”等。
而豆包語(yǔ)音識(shí)別模型2.0可依托“當(dāng)前討論蘇軾、蘇轍”這一背景,即便上下文從沒(méi)出現(xiàn)過(guò)“筠州”,也能通過(guò)邏輯推理鎖定用戶所指的特定地名,最終實(shí)現(xiàn)對(duì)多音字地名的精準(zhǔn)識(shí)別。
目前,豆包語(yǔ)音識(shí)別模型2.0已上線火山方舟體驗(yàn)中心并對(duì)外提供API服務(wù)。