TAG:语音识别
火山引擎升级豆包语音识别模型2.0 多语种识别精度显著提升
火山引擎发布豆包语音识别模型2.0，该模型在推理能力和多模态理解上实现显著升级。它不仅针对专有名词、多音字等复杂场景优化，提升识别准确率，还新增对13种海外语言的支持，并能结合图像内容进行精准识别，有效拓展了跨语言和多场景应用。
豆包变身“方言翻译官”！支持四种方言，秒解爷孙沟通“鸡同鸭讲”
豆包App最新升级语音功能，新增支持粤语、四川话、东北话和陕西话四种地道方言对话。通过方言迁移技术，用户可使用'温柔桃子'音色进行自然流畅的方言交流，并能智能切换方言。该功能特别适合习惯使用方言的老年群体，大幅提升沟通效率，同时支持理解18种方言，让语音交互更轻松便捷。
Reverie发布印度语音识别模型，准确率超越Deepgram
Reverie Language Technologies在成立16周年之际推出专为印度市场设计的语音转文本模型，支持印地语、英语及Hinglish等混合语言。该模型在独立测试中准确率比Deepgram高4.2%，响应速度快1.5倍，已处理300万次API调用，广泛应用于银行、呼叫中心等领域，有效识别印度多语言环境中的数字、名称和文化特定表达。
0 
0 
Meta发布Omnilingual ASR，一场为7000种语言发起的数字平权革命
Meta发布革命性Omnilingual ASR语音识别系统，支持1600种语言的高精度识别，其中78%语言识别错误率低于10%。系统采用上下文少样本学习技术，仅需3-5段音频样本即可快速适配新语种，理论支持语言数达5400种。这一开源技术突破让小语种和濒危语言首次获得AI平等对待，助力全球语言多样性保护和文化传承。
Meta发布Omnilingual ASR系统：实现1600种语言的语音识别
Meta推出革命性的Omnilingual ASR自动语音识别系统，支持1600种语言的语音转录，其中500种语言首次获得AI覆盖。该系统采用上下文学习技术，用户只需提供少量样本即可扩展识别能力，理论上可支持超过5400种语言。Meta同时开源了包含350种语言的大型数据集，帮助开发者为特定地区构建定制化语音识别模型，显著推进全球语言无障碍进程。
