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
-
- 沙特主导联军称拦截一枚射向利雅得的胡塞武装导弹
2026-09-20 11:20 - 阿根廷大首都区发生大规模停电
2026-09-20 10:43 - 法国公共债务率今年预计升至119.3%
2026-09-20 10:43 - 马里军方证实近日军事行动中有士兵伤亡或被俘
2026-09-20 10:43 - 俄罗斯“进步MS-35”货运飞船与国际空间站对接
2026-09-20 10:33 - 也门胡塞武装称袭击沙特“敏感目标”和阿美公司设施
2026-09-20 10:33 - 商务部回应美对进口俄石油或天然气第三国加征关税
2026-09-20 10:33
- 沙特主导联军称拦截一枚射向利雅得的胡塞武装导弹
- 猜你喜欢:
-
最高法发布6件反垄断典型案例2026-09-102026年下半年新兵起运工作全面启动2026-09-16山西临汾警方打掉多个碰瓷敲诈等新型恶势力犯罪组织2026-09-18
-
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)