腾讯混元发布 Hy ASR 3.0 preview：语音识别不再逐字硬转

腾讯混元今日正式发布新一代语音识别模型 Hy ASR 3.0 preview。该模型背靠最新一代大语言模型 Hy3 的语言理解能力，将高精度语音识别与深度语义理解深度融合，在通用识别、上下文感知、多场景鲁棒性和方言覆盖等核心维度实现全面升级。官方表示，这标志着语音识别从“逐字转写、单点优化”进化到“理解语境、兼容场景、一键直出”。

核心指标：多语种 WER 低至 3% 左右

在海外开源评测集上，Hy ASR 3.0 preview 表现出色：

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

在腾讯自建评测集中，无论是通用识别、方言识别、上下文理解、专词理解，还是高噪、耳语等复杂声学场景，WER 均维持在低位，综合评测集上取得最低错词率。这显示出模型在多样化和真实复杂音频条件下的鲁棒性。

三大体验升级

1. 通用识别更精准

在通用语音、方言、中英混说等场景下，Hy ASR 3.0 preview 进一步压低错字和漏字，同时缓解了长音频中错误累积的顽疾。对于需要长时间录音转写的会议、采访等场景，这一改进将显著提升效率与准确性。

2. 更懂用户意图

模型能够结合上下文精准捕捉用户语境，智能纠正同音词，消弭语义歧义。例如，在“我要去工行”与“我要去攻行”这类容易混淆的表述中，模型可通过上下文判断用户真实意图，输出更符合本意的文字，而非机械地逐字转换。

3. 专业场景适配

支持热词注入增强，让模型快速识别品牌名、产品名、人名和行业术语。企业接入时无需大量定制训练，即可在金融、医疗、法律等垂直领域获得高准确率，降低业务部署和后续模型维护成本。

官方评价：这是一次“理解语境、兼容场景、一键直出”的进化。

意义与展望

Hy ASR 3.0 preview 的发布，意味着语音识别正从单纯的“声音到文字”工具，转向具备语义理解能力的智能助手。结合大语言模型的推理能力，未来语音交互将进一步突破传统 ASR 的天花板，在智能客服、语音纪要、实时字幕等场景释放更大价值。

腾讯混元表示，Hy ASR 3.0 preview 已开放体验，开发者与企业可通过官方渠道申请试用。后续版本预计将在更多语言和场景上持续提升。

（本文基于公开信息整理，具体技术细节以腾讯混元官方发布为准。）