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
-
- 日媒称日本立宪民主党与公明党就联合组建新党达成一致
2026-01-15 17:22 - 1号台风“洛鞍”路径实时发布系统 2026台风“洛鞍”最
2026-01-15 16:52 - 2026年2月深圳限行最新消息：深圳春节不限行起止时间
2026-01-15 16:00 - 扩大覆盖面！两部门发文让更多职工享有企业年金
2026-01-15 15:49 - “十五五”期间国家电网固定资产投资将达4万亿元
2026-01-15 15:48 - 四川省棉麻集团有限公司原党委书记、董事长邓华被查
2026-01-15 15:48 - 青海省人民政府关于曹广超等职务任免的通知
2026-01-15 14:51
- 日媒称日本立宪民主党与公明党就联合组建新党达成一致
- 猜你喜欢:
-
美国与丹麦就格陵兰岛问题会晤 仍存“根本性分歧”2026-01-15国家体育总局体育器材装备中心原副主任王明晏被查2026-01-08俄国防部：200多架乌克兰无人机袭击俄多地2026-01-05
-
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)