Hy ASR 3.0 preview – 텐센트 혼위안이 출시한 차세대 음성 인식 모델 운영 중

Hy ASR 3.0 preview는 텐센트 혼위안이 출시한 차세대 음성 인식 모델로, Hy3 대규모 언어 모델을 기반으로 하며 고정밀 음성 인식과 심층 의미 이해를 결합합니다. 중국어, 영어, 광둥어 및 10개 주요 방언 지역을 지원하고, 문맥 기반 지능형 교정, 핫워드 주입, 고소음·속삭임 등 복잡한 환경에서의 강건성을 갖추고 있습니다. 오픈 소스 평가 세트의 WER은 약 3%로 유지되며, 자체 평가 세트에서는 경쟁 제품을 전반적으로 앞섭니다.

범용 고정밀 인식: 중국어 표준어, 영어, 광둥어 및 중국어·영어 혼합 발화를 지원해 오탈자와 누락, 긴 오디오에서의 오류 누적을 줄입니다.
문맥 의미 이해: Context를 결합해 사용자의 맥락을 정확하게 포착하고, 동음이의어를 지능적으로 교정하며 의미적 모호성을 해소합니다.
핫워드 주입 지원: 브랜드명, 인명, 업계 용어 등의 핫워드 강화를 지원해 비즈니스 연동 및 유지 관리 비용을 줄입니다.
복잡한 환경에서의 강건성: 고소음, 속삭임, 작은 목소리 등 음향 환경에 맞춰 특별히 최적화되어 안정적인 인식 성능을 유지합니다.
폭넓은 방언 지원: 10개 주요 방언 지역과 20여 개 하위 지역을 지원하며, 둥베이 관화, 광둥어, 우어, 민난어 등을 포함합니다.

아키텍처 업그레이드: MoE 아키텍처를 채택하고 기본 모델을 Hy3로 업그레이드했습니다. 자체 개발한 비지도 음성 Encoder는 수천만 시간의 음성 데이터로 학습되어 고품질 음향 표현을 추출합니다.
사전 학습 Scaling: Encoder와 LLM을 공동 학습하고, 오디오북·대화·동영상/방송 등 다양한 출처의 수천만 시간 음성 데이터를 도입했습니다. 여러 단계의 능력 주입을 통해 방언 이해와 문맥 모델링 능력을 확보합니다.
후처리 학습 강화: 복잡한 오디오, Any Context 문맥 및 범용 능력을 아우르는 고품질 SFT Recipe를 구축했습니다. 여러 단계의 강화 학습을 통해 범용 전사 정확도, 문맥의 장거리 의존성 및 복잡한 롱테일 환경에서의 성능을 각각 최적화합니다.

텐센트 클라우드 API를 통해 연동하거나 텐센트 위안바오를 열고 버튼을 누른 채 말하면 무료로 체험할 수 있습니다.

의미 이해 업그레이드: Hy3 대규모 언어 모델을 기반으로 고정밀 음성 인식과 심층 의미 이해를 결합해, 단순한 문자 단위 전사에서 맥락 이해와 원클릭 출력으로 발전했습니다.
종합 평가에서의 우위: 오픈 소스 평가 세트의 WER은 약 3%로 유지되며, 자체 평가 세트의 범용·방언·문맥·복잡한 음향 환경 평가에서 모두 경쟁 제품보다 우수합니다.
문맥 기반 지능형 교정: Context를 결합해 맥락을 정확하게 포착하고, 동음이의어를 지능적으로 교정하며 의미적 모호성을 해소하고 장거리 의존성 모델링을 지원합니다.
핫워드의 신속한 적용: 브랜드명, 인명, 업계 용어 등의 핫워드 주입을 지원해 전문 환경에서의 비즈니스 연동 및 유지 관리 비용을 줄입니다.
방언 및 복잡한 환경 지원: 10개 주요 방언 지역과 20여 개 하위 지역을 지원하며, 고소음·속삭임 등 복잡한 음향 환경에서도 안정적인 성능을 유지합니다.

지능형 고객 서비스: 전화 및 온라인 고객 서비스 환경에서 Hy ASR 3.0 preview는 핫워드 주입을 통해 브랜드명과 비즈니스 용어를 정확하게 인식하고 음성을 실시간으로 전사해 서비스 응답 효율을 크게 높입니다.
콘텐츠 제작: 팟캐스트, 회의, 인터뷰 등 긴 오디오 콘텐츠를 제작할 때 문맥 의미 이해를 바탕으로 모호성을 지능적으로 해소하고, 한 번의 클릭으로 일관되고 읽기 쉬운 고품질 텍스트를 출력해 후편집 비용을 줄입니다.
음성 검색: 사용자가 방언으로 검색할 수 있도록 지원하며, 시끄러운 환경에서도 음성 명령을 정확하게 인식해 다국어·다양한 억양 사용자의 입력 장벽을 효과적으로 낮춥니다.
업무 협업: 회의록 실시간 전사 환경에서 속삭임이나 작은 목소리 등 낮은 음량의 입력에도 안정적인 인식을 유지해 팀의 효율적인 소통과 정보 축적을 돕습니다.
스마트 단말기: 차량용 내비게이션, 스마트 홈 등 IoT 기기와의 상호작용에서 고소음 음향 환경에 맞춰 특별히 최적화되어 복잡한 환경에서 음성 인식의 강건성과 사용자 경험을 보장합니다.