Tencent Hunyuan bugun yangi avlod nutqni tanib olish modeli Hy ASR 3.0 preview’ni chiqardi.
Rasmiy ma’lumotga ko‘ra, Hy3 yangi avlod katta til modelining tilni tushunish qobiliyatiga asoslangan Hy ASR 3.0 preview yuqori aniqlikdagi nutqni tanib olish va chuqur semantik tushunish imkoniyatlarini birlashtiradi. Umumiy tanib olish, kontekstni anglash, turli stsenariylardagi barqarorlik hamda shevalarni qamrab olish kabi asosiy yo‘nalishlarda har tomonlama yaxshilanishga erishgan model murakkabroq real kiritishlarda aniq, izchil va foydalanuvchi niyatiga yanada yaqin transkripsiya natijalarini taqdim eta oladi. Bu “so‘zma-so‘z transkripsiya va alohida optimallashtirish”dan “kontekstni tushunish, stsenariylarga moslashish va bir bosishda tayyor natija olish”ga o‘tishni anglatadi.
Hy ASR 3.0 preview bir nechta ochiq baholash to‘plamlari va o‘zlari yaratgan baholash to‘plamlarida umumiy jihatdan yetakchi natijalarni ko‘rsatdi. Ochiq baholash to‘plamlarida Hy ASR 3.0 preview ko‘p tilli WER (Word Error Rate, so‘z xatolari darajasi) bo‘yicha ko‘rsatkichni taxminan 3% atrofida ushlab qoldi: xitoy mandarin tilida WER 3.34%, ingliz tilida WER 2.62%, kanton tilida WER 3.12%.
O‘zlari yaratgan baholash to‘plamida Hy ASR 3.0 preview umumiy nutqni tanib olish, shevalarni tanib olish, kontekstni tushunish, maxsus atamalarni tushunish hamda murakkab akustik sharoitlar (yuqori shovqin, pichirlab gapirish) kabi stsenariylar bo‘yicha baholashlarda ham WER’ni past darajada ushlab qoldi.
Rasmiy ma’lumotga ko‘ra, Yuanbao hamkorlikdagi tadqiqot va ishlab chiqishda chuqur ishtirok etdi va xizmatni ilk bor ishga tushirdi. Foydalanuvchilar Yuanbao’ni ochib, gapirish tugmasini bosib turgan holda shevalarni tanib olish, kontekst asosida aqlli xatolarni tuzatish va murakkab muhitda barqaror transkripsiya kabi yaxshilangan imkoniyatlardan foydalanishlari mumkin. Ovozli kiritish yanada aniq va barqaror bo‘lib, xizmat bepul taqdim etiladi; WorkBuddy kabi mahsulotlar ham bosqichma-bosqich integratsiya qilinmoqda.
Hozirda Hy ASR 3.0 preview Tencent Cloud rasmiy veb-saytida joylashtirilgan va API xizmati taqdim etilmoqda. Undan aqlli mijozlarga xizmat ko‘rsatish, kontentni tushunish, ovozli qidiruv kabi ko‘plab stsenariylarda foydalanish mumkin.
Tegishli havolalar:
Tencent Hunyuan: https://aistudio.tencent.com/visual
Tencent Cloud: https://cloud.tencent.com/document/product/1093/135476