Alibaba leo imezindua modeli kubwa ya utambuzi wa sauti Qwen-Audio-3.0-ASR-Flash. Kwa ufupi, inalenga kuifanya AI ielewe vyema zaidi istilahi za kitaalamu.
Qwen-Audio-3.0-ASR-Flash imeboreshwa kwa kina katika uthabiti wa muktadha, utambuzi wa istilahi za sekta na ubinafsishaji wa maneno muhimu. Pia modeli hii ina uwezo wa kuboresha matamshi na inaweza kutoa maandishi yaliyopangwa moja kwa moja.
Timu ya utafiti imeendelea kukusanya istilahi za kitaalamu kutoka katika nyanja kama tiba, upangaji programu wa IT, hisa na watu mashuhuri wa jamii, na kuunda kamusi ya ubora wa juu inayojumuisha sekta nyingi. Hii imeimarisha uwezo wa modeli kutambua istilahi za kitaalamu na maneno adimu. Katika tathmini ya hivi karibuni ya ndani ya istilahi za sekta, modeli mpya ilionyesha ongezeko kubwa la usahihi wa utambuzi wa istilahi za kitaalamu katika sekta mbalimbali, huku mazingira ya tiba yakivuka 95.36%.
Kwa sasa, mfululizo wa Qwen-Audio-ASR-Flash umethibitishwa katika nyanja kama kuandaa muhtasari wa mikutano, manukuu ya wakati halisi, kurekodi masomo ya elimu na huduma kwa wateja kwa akili. Uliwahi kushika nafasi ya kwanza duniani kwenye jukwaa la tathmini ya AI Artificial Analysis, ukiwa na kiwango cha makosa ya herufi cha 1.7%.
Qwen-Audio-3.0-ASR—sasa inapatikana kupitia jukwaa la Alibaba Cloud Bailian, likitoa matoleo matatu:
Qwen-Audio-3.0-ASR-Flash: utambuzi wa sauti, hadi dakika 5
Qwen-Audio-3.0-ASR-Filetrans: ubadilishaji wa faili za sauti kuwa maandishi nje ya mtandao
Qwen-Audio-3.0-ASR-Streaming: utambuzi wa sauti wa wakati halisi
Anwani za kujaribu Qwen-Audio-3.0-ASR-Flash ni kama ifuatavyo:
Qwen-Audio-3.0-ASR-Flash:
https://help.aliyun.com/zh/model-studio/non-real-time-speech-recognition-for-fun-asr-flash
Qwen-Audio-3.0-ASR-Flash-Filetrans:
https://help.aliyun.com/zh/model-studio/fun-asr-recorded-speech-recognition-http-api
Qwen-Audio-3.0-ASR-Flash-Streaming:
https://help.aliyun.com/zh/model-studio/fun-asr-realtime-websocket-api