Tencent Hunyuan leo imezindua kizazi kipya cha modeli ya utambuzi wa sauti Hy ASR 3.0 preview.
Rasmi imesema kuwa, kwa kutegemea uwezo wa uelewa wa lugha wa kizazi kipya cha modeli kubwa ya lugha Hy3, Hy ASR 3.0 preview inaunganisha utambuzi wa sauti wa usahihi wa juu na uelewa wa kina wa maana. Imeboresha kwa ujumla vipengele muhimu vya utambuzi wa jumla, uelewa wa muktadha, uimara katika hali mbalimbali na ufunikaji wa lahaja, hivyo inaweza kutoa matokeo ya unukuzi yaliyo sahihi, yenye mtiririko na yanayokaribia zaidi nia ya mtumiaji katika ingizo halisi changamano. Imepiga hatua kutoka “unukuzi wa neno kwa neno na uboreshaji wa sehemu moja” hadi “kuelewa muktadha, kuendana na hali mbalimbali na kutoa matokeo moja kwa moja”.
Hy ASR 3.0 preview imeongoza kwa ujumla katika seti kadhaa za tathmini zilizo wazi na seti za tathmini zilizojengwa ndani. Katika seti za tathmini zilizo wazi, WER (Word Error Rate, kiwango cha makosa ya maneno) ya Hy ASR 3.0 preview katika lugha nyingi inadhibitiwa karibu 3%; WER ya Mandarin ya Kichina ni 3.34%, Kiingereza 2.62% na Kikantoni 3.12%.
Katika seti za tathmini zilizojengwa ndani, Hy ASR 3.0 preview pia imehifadhi kiwango cha chini cha WER katika tathmini za matukio mbalimbali, zikiwemo utambuzi wa jumla, utambuzi wa lahaja, uelewa wa muktadha wa Context, uelewa wa istilahi maalum na mazingira changamano ya sauti (kelele nyingi na kunong’ona).
Rasmi imesema kuwa Yuanbao ilishiriki kwa kina katika utafiti na uundaji wa pamoja na tayari imezinduliwa rasmi kwanza. Watumiaji wanaweza kufungua Yuanbao na kushikilia kitufe cha kuzungumza ili kujaribu maboresho kama vile utambuzi wa lahaja, urekebishaji mahiri wa makosa kwa kutumia muktadha na unukuzi thabiti katika mazingira changamano. Uingizaji wa sauti sasa ni sahihi na thabiti zaidi, na huduma hiyo inatolewa bila malipo; bidhaa kama WorkBuddy pia zinaunganishwa hatua kwa hatua.
Kwa sasa, Hy ASR 3.0 preview imewekwa kwenye tovuti rasmi ya Tencent Cloud na inatoa huduma za API kwa umma, hivyo inaweza kutumika kwa upana katika huduma mahiri kwa wateja, uelewa wa maudhui, utafutaji wa sauti na hali nyingine.
Viungo vinavyohusiana:
Tencent Hunyuan: https://aistudio.tencent.com/visual
Tencent Cloud: https://cloud.tencent.com/document/product/1093/135476