Hy ASR 3.0 preview – 腾讯混元推出的新一代语音识别模型 运营中

Hy ASR 3.0 preview是腾讯混元推出的新一代语音识别模型，基于 Hy3 大语言模型，融合高精度语音识别与深度语义理解。模型支持中文、英语、粤语及10大方言片区，具备上下文智能纠错、热词注入及高噪/耳语等复杂场景鲁棒性。开源评测集WER控制在3%左右，自建评测集全面领先竞品。

通用精准识别： 支持中文普通话、英语、粤语及中英混说，减少错字漏字与长音频错误累积。
上下文语义理解： 结合 Context 精准捕捉用户语境，智能纠错同音词，消除语义歧义。
热词注入适配： 支持品牌名、人名、行业术语等热词增强，降低业务接入与维护成本。
复杂环境鲁棒： 针对高噪、耳语、悄悄话等声学场景专项优化，保持稳定识别表现。
方言广泛覆盖： 支持10大方言片区、20余个二级小片区，含东北官话、粤语、吴语、闽南语等。

架构升级： 采用 MoE 架构，基座模型升级至 Hy3；自研无监督语音 Encoder，基于数千万小时语音数据训练，提取高质量声学表征。
预训练 Scaling： Encoder 与 LLM 联合训练，引入数千万小时多来源语音数据（有声读物、对话、视频/广播等），通过多阶段能力注入获得方言理解与上下文建模能力。
后训练增强： 构建覆盖复杂音频、Any Context 上下文、通用能力的高质量 SFT Recipe；通过多阶段强化学习分别优化通用转写准确性、上下文长程依赖及复杂长尾场景表现。

通过腾讯云 API 接入或打开腾讯元宝按住说话即可免费体验。

语义理解升级： 基于 Hy3 大语言模型，融合高精度语音识别与深度语义理解，从逐字转写进化为理解语境、一键直出。
评测全面领先： 开源评测集 WER 控制在 3% 左右，自建评测集在通用、方言、上下文、复杂声学场景均优于竞品。
上下文智能纠错： 结合 Context 精准捕捉语境，智能纠错同音词，消除语义歧义，支持长程依赖建模。
热词快速适配： 支持品牌名、人名、行业术语等热词注入，降低专业场景业务接入与维护成本。
方言与复杂环境覆盖： 支持 10 大方言片区及 20 余个二级小片区，在高噪、耳语等复杂声学环境下保持稳定表现。

智能客服： 电话与在线客服场景下，Hy ASR 3.0 preview 通过热词注入精准识别品牌名称与业务术语，实现语音实时转写，显著提升服务响应效率。
内容创作： 在播客、会议、访谈等长音频内容生产中，模型结合上下文语义理解智能消除歧义，一键输出连贯可读的高质量文本，降低后期编辑成本。
语音搜索： 支持用户使用方言语音进行查询，并在嘈杂环境下准确识别语音指令，有效降低多语种、多口音用户的输入门槛。
办公协作： 会议纪要实时转写场景中，即使面对耳语、悄悄话等低音量输入，模型依然保持稳定识别，助力团队实现高效沟通与信息沉淀。
智能终端： 在车载导航、智能家居等 IoT 设备交互中，模型针对高噪声学环境进行专项优化，保障复杂场景下的语音识别鲁棒性与用户体验。