腾讯元宝上线混元语音识别模型Hy ASR 3.0 preview

近日，腾讯旗下AI助手元宝正式上线混元语音识别模型Hy ASR 3.0 preview。该模型已在元宝首发接入，并同步升级了语音输入能力。用户可通过语音输入体验方言识别、上下文智能纠错以及复杂环境下的稳定转写。

模型核心特性

Hy ASR 3.0 preview主要在三个方向进行优化：方言识别、上下文智能纠错、复杂环境稳定转写。这些能力覆盖了语音识别中的典型难点，旨在提升准确率与适用性。

方言识别能力

方言识别功能支持用户以多种方言与元宝交互，降低了普通话标准度带来的使用门槛，有助于元宝服务更广泛的用户群体。

上下文智能纠错

上下文智能纠错在语音转写过程中，根据前后文内容自动修正识别结果，如同音异义字等常见错误，提高文字输出的准确性。

复杂环境转写

在嘈杂、回音或弱信号等复杂场景下，新模型仍能保持稳定的转写质量，确保用户在不理想条件下有效使用语音输入。

语音输入同步升级

伴随模型更新，元宝的语音输入能力也获得整体增强。用户可在各类环境中更流畅地使用语音交互，享受新模型带来的体验提升。

版本解读：preview的含义

Hy ASR 3.0 preview中的“preview”表示该模型为正式版本前的预览版。此次在元宝首发接入，供用户体验并帮助收集反馈。

体验方式

用户只需在元宝内使用语音输入功能，系统即可自动调用新模型，无需额外操作或设置。

官方信息显示，新模型已在元宝首发接入，用户可通过语音输入体验方言识别、上下文智能纠错以及复杂环境下的稳定转写能力。

背景简介

元宝是腾讯旗下的AI助手产品，此次语音识别模型的上线，是其语音能力的一次重要迭代。通过升级，元宝的语音输入准确度和适应性有望进一步提升。

腾讯元宝升级语音识别模型Hy ASR 3.0 preview 中文普通话词错误率3.34%

腾讯元宝发布语音识别技术升级，新模型Hy ASR 3.0 preview在公开评测中取得低词错误率：中文普通话3.34%，英语2.62%，粤语3.12%。该模型基于大语言模型Hy3，融合高精度识别与语义理解，实现从逐字转写到语境理解的转变。

评测数据：多语种词错误率均较低

在开源评测集上，Hy ASR 3.0 preview在中文普通话、英语和粤语中分别录得3.34%、2.62%和3.12%的词错误率。在官方自建评测中，该模型于通用、方言、上下文理解和复杂声学场景测试中同样表现稳定。

词错误率是衡量语音识别准确性的核心指标，数值越低表示识别越精准。

结合语境理解提升多场景表现

此次升级的核心是语音识别从逐字转写转向结合语境理解。借助最新一代大语言模型Hy3的语言理解能力，新系统将高精度语音识别与深度语义理解融合，在通用识别、上下文感知、多场景鲁棒性和方言覆盖方面均有提升。

这意味着在普通话、方言、中英混说以及嘈杂环境、耳语等场景下，识别结果的准确性和稳定性都得到加强。

热词注入适配专业场景

官方表示，Hy ASR 3.0 preview支持热词注入功能，可增强品牌名称、人名和行业术语等内容的识别表现，便于将技术适配更专业的使用场景。

• 中文普通话词错误率：3.34%
• 英语词错误率：2.62%
• 粤语词错误率：3.12%

腾讯元宝推出Hy ASR 3.0 preview 语音识别模型升级

腾讯旗下AI助手元宝此次推出Hy ASR 3.0 preview语音识别模型，该版本目前已在API服务上线，后续还将接入更多产品。此次升级意味着元宝在多模态交互上的基础能力继续完善。

覆盖多终端 支持多种输入

• 终端形态：App、PC端、网站、小程序、插件
• 输入方式：文字、语音、图片、文件
• 已有功能：文档阅读、图片理解、AI搜索

Hy ASR 3.0 preview技术解析

Hy ASR 3.0 preview是腾讯推出的语音识别模型预览版。ASR（Automatic Speech Recognition）即自动语音识别，负责将语音信号转换为文字。该版本的上线进一步增强了元宝的语音输入处理能力。

多模态交互能力再升级

多模态交互是指融合文字、语音、图片、文件等多种输入方式的人机交互模式。元宝此前已具备多模态输入基础，此次语音识别升级使各模态间的协同更加顺畅，为用户提供更自然的交互体验。

API服务拓展应用场景

除元宝外，Hy ASR 3.0 preview已上线API服务，可为其他产品提供语音识别能力。后续该模型将逐步接入更多产品，丰富应用生态。