腾讯混元发布Hy ASR 3.0 preview 语音识别迈入语义理解新阶段

AI创作导航管理员 LV4 资深连续登录30天萌新

1 个月前

风向

1153

2026年8月4日，腾讯混元正式发布新一代语音识别模型Hy ASR 3.0 preview。该模型依托自研Hy3大语言模型的深度理解能力，融合高精度声学识别与语义感知能力，在多语种、多场景测试中词错误率（WER）普遍降至3%上下，其中中文普通话3.34%、英语2.62%、粤语3.12%，实现语音识别从逐字转写到语义理解的代际升级。

过去数十年，语音识别技术的迭代始终围绕“逐字准确率”做单点优化，依赖声学模型匹配发音特征，一旦遇到高噪环境、轻声耳语、带口音的普通话、对话中的省略指代、行业专属术语，转写结果往往错漏百出，需要人工花费大量时间后期校对，在会议记录、智能客服、车载交互等高频场景的实际体验始终差强人意。

此次发布的Hy ASR 3.0 preview跳出了传统ASR的优化逻辑，直接将Hy3大语言模型的全域语义理解能力与语音识别链路深度融合，不再孤立识别单句发音，而是结合上下文语境判断用户真实表达意图，甚至可以自动修正同音字错误、补全省略的指代信息。

官方公布的测试数据显示，在海外开源评测集上，该模型的多语种词错误率（WER）均控制在3%左右，其中中文普通话3.34%、英语2.62%、粤语3.12%；在腾讯自建的全场景评测集中，无论是方言识别、专业术语识别，还是高噪、耳语等极端声学场景，WER同样保持低位，核心能力覆盖通用识别、上下文感知、多场景鲁棒性、方言适配四大维度，真正实现了从“逐字硬转”到“听懂语境”的进化。

据官方介绍，该模型落地后将首先覆盖企业级会议转写、智能客服质检、车载语音交互、方言区公共服务语音交互等场景，过去需要人工校对30%以上内容的转写文稿，未来可以实现“一键直出”可用版本，大幅降低相关场景的人力成本。此外，低WER的语音识别能力也将为听力障碍群体的实时语音转字幕工具、工业场景的语音指令操控等细分领域带来体验升级。

语音识别大语言模型腾讯混元 3.0 ASR Hy

本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。