ٹینسینٹ ہونیوان نے آج نئی نسل کا اسپیچ ریکگنیشن ماڈل Hy ASR 3.0 preview جاری کیا ہے۔
حکام کے مطابق، جدید ترین جنریشن کے بڑے زبان ماڈل Hy3 کی زبان سمجھنے کی صلاحیت کی بنیاد پر، Hy ASR 3.0 preview اعلیٰ درستگی والی اسپیچ ریکگنیشن اور گہری معنوی تفہیم کو یکجا کرتا ہے۔ عمومی شناخت، سیاق و سباق کی آگاہی، متعدد منظرناموں میں مضبوطی اور بولیوں کے احاطے جیسے بنیادی پہلوؤں میں جامع بہتری کے ساتھ، یہ زیادہ پیچیدہ حقیقی ان پٹ میں درست، مربوط اور صارف کے ارادے سے زیادہ قریب ٹرانسکرپشن نتائج فراہم کر سکتا ہے، اور “لفظ بہ لفظ ٹرانسکرپشن اور یک طرفہ اصلاح” سے “سیاق کو سمجھنے، منظرناموں سے ہم آہنگ ہونے اور ایک کلک پر نتیجہ دینے” کی جانب پیش رفت کرتا ہے۔
Hy ASR 3.0 preview نے متعدد اوپن سورس اور خود تیار کردہ جائزہ سیٹس پر مجموعی طور پر سبقت حاصل کی ہے۔ اوپن سورس جائزہ سیٹس میں، Hy ASR 3.0 preview نے کثیر لسانی WER（Word Error Rate، الفاظ کی غلطی کی شرح）کو تقریباً 3% تک محدود رکھا، جن میں چینی مینڈارن کا WER 3.34%، انگریزی کا WER 2.62% اور کینٹونیز کا WER 3.12% رہا۔
خود تیار کردہ جائزہ سیٹس میں، Hy ASR 3.0 preview نے عمومی شناخت، بولیوں کی شناخت، سیاق Context کی تفہیم، مخصوص اصطلاحات کی تفہیم اور پیچیدہ صوتی ماحول（زیادہ شور، سرگوشی）جیسے منظرناموں کے جائزوں میں بھی WER کو کم سطح پر برقرار رکھا۔
حکام کے مطابق، یوان باؤ نے مشترکہ تحقیق و ترقی میں گہری شرکت کی ہے اور اسے پہلے ہی باضابطہ طور پر لانچ کر دیا گیا ہے۔ صارفین یوان باؤ کھول کر بات کرنے کے لیے دبائے رکھیں تو بولیوں کی شناخت، سیاق کے مطابق ذہین تصحیح اور پیچیدہ ماحول میں مستحکم ٹرانسکرپشن جیسی بہتر صلاحیتوں کا تجربہ کر سکتے ہیں۔ صوتی ان پٹ زیادہ درست اور مستحکم ہے، اور یہ مفت دستیاب ہے؛ WorkBuddy سمیت دیگر مصنوعات میں بھی اسے بتدریج شامل کیا جا رہا ہے۔
فی الحال Hy ASR 3.0 preview ٹینسینٹ کلاؤڈ کی سرکاری ویب سائٹ پر دستیاب ہے اور بیرونی صارفین کو API سروس فراہم کرتا ہے، جسے ذہین کسٹمر سروس، مواد کی تفہیم اور صوتی تلاش جیسے منظرناموں میں وسیع پیمانے پر استعمال کیا جا سکتا ہے۔
متعلقہ روابط:
ٹینسینٹ ہونیوان: https://aistudio.tencent.com/visual
ٹینسینٹ کلاؤڈ: https://cloud.tencent.com/document/product/1093/135476