鳳凰網(wǎng)科技訊 12月5日,火山引擎正式發(fā)布豆包語音識別模型2.0(Doubao-Seed-ASR-2.0),依托Seed混合專家大語言模型架構構建。
據(jù)官方介紹,2.0版本模型推理能力提升,可以通過深度理解上下文完成精準識別,上下文整體關鍵詞召回率提升20%。支持多模態(tài)視覺識別,在聽得懂的同時看得懂,可以通過單圖和多圖等視覺信息輸入提升文字識別精準度。
支持日語、韓語、德語、法語等13種海外語種的識別。并且重點針對專有名詞、人名、地名、品牌名稱及易混淆多音字等復雜場景進行了升級。











