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
-
- 国家卫健委：预计全国流感在12月上中旬达峰的可能性较
2025-12-05 16:21 - 中国疾控中心：全国流感疫情整体处于高流行水平
2025-12-05 16:21 - 国家铁路局原党组书记、局长费东斌严重违纪违法被“双
2025-12-05 16:20 - 英格兰面临“前所未有”的流感潮
2025-12-05 16:20 - 违法违规收集使用个人信息 这69款移动应用被通报
2025-12-05 16:19 - 酒泉市阿克塞县原县委副书记、县长银雁严重违纪违法被
2025-12-05 16:19 - 检察机关依法分别对段相霖、田艳、旦增提起公诉
2025-12-05 16:19
- 国家卫健委：预计全国流感在12月上中旬达峰的可能性较
- 猜你喜欢:
-
国台办回应哥伦比亚否认将在台设立“办事处”：一个中国原则是国际社会普遍共识2025-12-03第三轮第五批中央生态环境保护督察全部进驻2025-11-21vivo X300 Ultra搭载2K直屏 电池或不到7000mAh2025-11-27
-
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)