凤凰网科技讯8月4日，腾讯混元发布新一代语音识别模型Hy ASR3.0preview。该模型基于最新大语言模型Hy3，融合语音识别与深度语义理解，旨在从“逐字转写”演进为“理解语境、兼容场景”。在开源评测集中，Hy ASR3.0preview的中文普通话WER(词错误率)为3.34%，英语为2.62%，粤语为3.12%。
技术层面，模型采用MoE架构，基座模型升级为Hy3，自研无监督语音Encoder通过数千万小时级语音数据训练，并引入多阶段强化学习优化。Hy ASR3.0重点提升了通用识别、上下文意图理解(如智能纠错同音词)、专词识别(支持热词注入)及复杂声学环境(高噪、耳语)下的稳定性。
目前该模型已上线腾讯云提供API服务，元宝已首发上线并免费开放方言识别、上下文纠错等功能，WorkBuddy等产品也在陆续接入中。
