阿里通義語音模型大升級 首字延遲降至百毫秒與高精準度方言辨識

阿里巴巴旗下通義實驗室持續布局語音辨識，Fun-ASR-Realtime 是面向即時轉寫場景的流式語音識別大模型。首字回傳速度與多語、方言辨識能力，直接影響會議字幕、客服及跨語溝通體驗，因此此次升級攸關生成式 AI 服務落地。

通義實驗室近日宣布，Fun-ASR-Realtime 首字延遲已降至百毫秒級，可支援即時字幕；新版涵蓋 30 種語言與 16 種方言。在辨識難度較高的溫州話測試中，準確率達 82.74%，顯示模型在低延遲與方言理解兩項指標同步提升。