豆包语音识别模型2.0发布：听懂字看懂图 支持13种外语
今日，火山引擎发布豆包语音识别模型2.0（Doubao-Seed-ASR-2.0），依托Seed混合专家大语言模型架构构建。
据介绍，2.0版本模型推理能力提升，可以通过深度理解上下文完成精准识别，上下文整体关键词召回率提升20%。
同时支持多模态视觉识别，不仅“听懂字”还能“看懂图”，通过单图和多图等视觉信息输入让文字识别更精准。
此外，2.0版本还支持日语、韩语、德语、法语等 13 种海外语种的精准识别。
并且重点针对专有名词、人名、地名、品牌名称及易混淆多音字等复杂场景进行了升级。
以历史人物生平讨论场景为例，当用户提及苏辙贬谪地“筠（yún）州”时，如果模型缺乏推理能力会易将其误识别为同音的“云州”“郓州”等。
而豆包语音识别模型2.0可依托“当前讨论苏轼、苏辙”这一背景，即便上下文从没出现过“筠州”，也能通过逻辑推理锁定用户所指的特定地名，最终实现对多音字地名的精准识别。
目前，豆包语音识别模型2.0已上线火山方舟体验中心并对外提供API服务。
原标题：豆包语音识别模型2.0发布：能听懂字看懂图 支持13种外语
责任编辑：李晓灵
- 相关阅读:
-
诏安县消防救援大队到高层住宅小区开展消防安全指导服务2025-12-02打造新时代“枫桥经验”山区样本 南平两项成果 入选全国优秀案例2025-12-04国网漳州供电公司：青春援藏践初心 山海共绘光明卷2025-12-02
- 新闻 娱乐 福建 泉州 漳州 厦门
-
- 我国流动科普设施累计服务公众达6.64亿人次
2026-06-25 18:08 - 鹤壁市财政局原党组成员、副局长孟涛严重违纪违法被开
2026-06-25 18:08 - 综合消息丨欧洲多地高温持续 卫生机构发出警告
2026-06-25 17:32 - 眉山市政府原秘书长、市政府办公室原党组书记赖刚接受
2026-06-25 17:32 - 联合国报告：全球仍有6.55亿人用不上电
2026-06-25 17:27 - 鸠山由纪夫：高市早苗应立即纠正涉台错误言论并道歉
2026-06-25 17:27 - 蜀道投资集团有限责任公司原党委委员、职工董事、工会
2026-06-25 16:41
- 我国流动科普设施累计服务公众达6.64亿人次
- 猜你喜欢:
-
陕西发布干部任职公示2026-06-22英国首相：随时准备支持美伊技术性谈判2026-06-15树立和践行正确政绩观丨以学促干 将学习教育成果落到实处2026-06-24
-
评论(豆包语音识别模型2.0发布：听懂字看懂图 支持13种外语)