腾讯混元发布Hy ASR3.0预览版 3%方言错率实现听清到听懂跨越

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

1255

2026年8月5日腾讯正式发布混元新一代语音识别模型Hy ASR3.0预览版，该模型基于腾讯混元大语言模型Hy3打造，融合高精度识别与深度语义理解能力，覆盖10大方言片区及20余个二级小片区，整体词错率控制在3%左右，其中普通话3.34%、英语2.62%、粤语3.12%，实现语音识别从逐字转写到语境理解的质变。

日常使用语音转写时遇到的方言识别不准、长音频上下文混乱、同音词无法区分等痛点，如今有望得到系统性解决。腾讯混元此次推出的语音识别新模型，瞄准的正是行业多年未突破的“听懂”而非仅“听清”的核心需求。

长久以来，语音识别技术的落地始终受限于“逐字转写”的底层逻辑：用户需要尽量使用标准普通话，遇到方言、口音、同音词、长文本上下文指代的场景，识别准确率往往大幅跳水。此前行业公开数据显示，主流语音识别产品的方言平均词错率普遍在8%以上，长音频场景的累计误差甚至可达15%，远无法满足专业场景的使用需求。

Hy ASR3.0预览版的核心突破，在于首次将大语言模型的语义理解能力与语音识别链路深度融合，而非采用传统的“先转写后理解”的两段式架构。

基于混元最新一代大语言模型Hy3的能力支撑，该模型目前覆盖粤语、吴语等10大方言片区及20余个二级小片区，无需用户刻意使用标准普通话即可完成精准识别。开源评测集数据显示，该模型多语种整体词错误率（WER）控制在3%左右，其中中文普通话3.34%、英语2.62%、粤语3.12%，准确度已经触及行业天花板。

相比传统语音识别模型，Hy ASR3.0在长音频场景的优势更为突出：依托大模型的上下文理解能力，模型可以自动修正同音词错误、匹配语境指代内容，甚至可以识别出语句中的隐含情绪、省略指代，真正实现从“听清每个字”到“听懂整句话”的跨越。

从落地场景来看，Hy ASR3.0的商用空间十分广阔。

面向To B场景，该模型可以大幅提升会议转写、客服质检、多语种访谈转录的效率，方言识别能力也能很好适配下沉市场的政务服务、农村电商等场景的语音交互需求；面向To C场景，搭载该模型的智能硬件、语音助手可以适配不同地区用户的方言使用习惯，降低老年群体、方言使用者的智能产品使用门槛。

据透露，后续腾讯混元还将开放该模型的API接口，供开发者接入到不同的应用场景中，进一步降低语音交互技术的使用门槛。

语音识别大语言模型人工智能腾讯混元 Hy ASR3.0

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。