12月5日消息，豆包懂字今日，語音火山引擎發(fā)布豆包語音識別模型2.0（Doubao-Seed-ASR-2.0），識別依托Seed混合專家大語言模型架構(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，看懂可以通過深度理解上下文完成精準(zhǔn)識別，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)視覺識別，外語不僅“聽懂字”還能“看懂圖”，豆包懂字通過單圖和多圖等視覺信息輸入讓文字識別更精準(zhǔn)。語音

此外，識別2.0版本還支持日語、模型韓語、發(fā)布德語、看懂法語等 13 種海外語種的精準(zhǔn)識別。

并且重點(diǎn)針對專有名詞、人名、地名、品牌名稱及易混淆多音字等復(fù)雜場景進(jìn)行了升級。

以歷史人物生平討論場景為例，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易將其誤識別為同音的“云州”“鄆州”等。

而豆包語音識別模型2.0可依托“當(dāng)前討論蘇軾、蘇轍”這一背景，即便上下文從沒出現(xiàn)過“筠州”，也能通過邏輯推理鎖定用戶所指的特定地名，最終實(shí)現(xiàn)對多音字地名的精準(zhǔn)識別。

目前，豆包語音識別模型2.0已上線火山方舟體驗(yàn)中心并對外提供API服務(wù)。