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
-
- 著名法学家高铭暄在京逝世
2026-02-26 17:39 - 原甘肃省扶贫开发办公室党组成员、副主任李世英严重违
2026-02-26 17:39 - 低报油价、夸大经济数据……美媒盘点特朗普国情咨文谬
2026-02-26 16:50 - 上海齐耀热能工程有限公司两名干部接受纪律审查和监察
2026-02-26 16:10 - 金正恩：韩国是“彻底的敌国、永远的敌人”
2026-02-26 16:08 - 法国国民议会否决两项针对政府能源规划的不信任动议
2026-02-26 16:08 - IMF敦促美国开展合作减少贸易限制
2026-02-26 16:06
- 著名法学家高铭暄在京逝世
- 猜你喜欢:
-
新春走基层·一线直击丨特写：在中共一大纪念馆，过红色中国年2026-02-18铁路部门节后客流高峰时段将增开夜间高铁列车2026-02-12俄美乌阿布扎比会谈结束 领土等核心分歧仍未解2026-02-06
-
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)