该系列包含三款自研语音模型：语音识别大模型Qwen-Audio-3.0-ASR、语音合成大模型Qwen-Audio-3.0-TTS，以及实时语音交互对话模型Qwen-Audio-3.0-Realtime。
依托Hy3基座大模型打通声学识别与语义理解，彻底摆脱传统语音识别生硬转写短板，在多方言口音、嘈杂收音、远距离拾音等复杂场景稳定输出精准文本。
该模型基于最新大语言模型Hy3，融合语音识别与深度语义理解，旨在从“逐字转写”演进为“理解语境、兼容场景”。
在最新的行业词汇内部评测中，新模型对各行业专业词的“听中率”都有明显提升，其中医疗场景更是突破了 95.36%。
阿里升级Fun-ASR-Realtime语音识别模型，支持30种语言+16种方言
博客中国于2002年8月由博客教父方兴东创立。作为中国博客发源地，博客中国汇聚国内众多具新锐思想的意见领袖，是中国最具影响力的博客平台。“每天5分钟，给思想加油”是我们的宗旨！
近日，国家知识产权局公开信息显示，北京全科在线科技有限责任公司提交了一项名为“基于大模型医学会议内容分析方法”的专利申请，公开号为CN121842449A，申请时间为2025年12月。系统首先对音频进行语音识…
千问上线Qwen3.5-Omni 具备全模态感知与生成能力
科大讯飞AI眼镜亮相：支持多模态同传翻译，仅重40克
岁寒，然后知松柏之后凋也
豆包发布语音识别模型2.0，支持多模态视觉识别和13种海外语种识别
更像是字节对微信的又一次突袭
豆包输入法宣布正式上线！没广告 语音识别错误率比友商低50%
06/25 00:14
06/25 00:13
06/13 18:29
06/13 18:26
06/13 18:25
06/13 18:23
06/13 18:20
06/13 18:16
京公网安备 11011402013531号