Alibaba Ra Mắt Qwen-Audio-3.0-ASR-Flash Giúp Nhận Dạng Từ Vựng Chuyên Ngành Tốt Hơn

Alibaba đã ra mắt Qwen-Audio-3.0-ASR-Flash, một mô hình nhận dạng giọng nói được tối ưu hóa về tính nhất quán của ngữ cảnh, thuật ngữ chuyên ngành và khả năng tùy chỉnh từ khóa nóng (hotword). Mô hình này hiện có sẵn trên nền tảng Alibaba Cloud Bailian với ba phiên bản, bao gồm chuyển biên tập tin ngoại tuyến và nhận dạng giọng nói trực tuyến theo thời gian thực. Bản cập nhật này giải quyết một hạn chế phổ biến trong các hệ thống chuyển giọng nói thành văn bản bằng cách cải thiện đáng kể khả năng nhận dạng các thuật ngữ hiếm và chuyên ngành, đạt tỷ lệ chính xác 95,36% trong các kịch bản y tế. Mô hình này cũng đứng đầu trên bảng xếp hạng Artificial Analysis với tỷ lệ lỗi ký tự thấp chỉ 1,7%, giúp nó có tính ứng dụng cao cho các doanh nghiệp trong việc ghi biên bản cuộc họp và chăm sóc khách hàng. Mô hình này có khả năng tinh chỉnh giọng nói để trực tiếp xuất ra văn bản có cấu trúc và hỗ trợ đầu vào âm thanh lên đến 5 phút đối với phiên bản Flash. Quá trình huấn luyện bao gồm việc xây dựng một cơ sở dữ liệu từ vựng chất lượng cao bao gồm các lĩnh vực như y tế, lập trình CNTT, tài chính và tên người nổi tiếng.