騰訊混元Hy ASR 3.0 preview：讓語音識別理解上下文
https://www.qbitai.com/2026/08/465973.html📌 【騰訊混元】Hy ASR 3.0 preview 釋出：從「逐字轉寫」演進為「理解語境」
TL;DR：Hy ASR 3.0 結合 Hy3 大模型與 MoE 架構，實現高精度語音識別與上下文語義理解。
傳統語音識別（ASR）往往只能做到「逐字轉寫」與「單點最佳化」，面對同音詞或複雜語境時容易出錯。騰訊混元最新推出的 Hy ASR 3.0 preview，透過將語音識別與深度語義理解融合，讓模型從單純的聽寫轉向具備「理解語境、相容場景、一鍵直出」的新境界。
🧩 MoE 架構結合 Hy3 大模型，強化語義推理
Hy ASR 3.0 preview 的效能提升並非單一模組的功勞，而是結合了架構設計、資料規模化（Scaling）與後訓練（Post-training）的最佳化：
- 架構層面：採用兼顧效率與效能的 MoE（Mixture of Experts）架構，並將基座模型升級至 Hy3，大幅增強了語言理解、上下文建模（Context modeling）與語義推理能力。
- 語音側：透過自研的無監督語音 Encoder，利用數千萬小時級的無監督語音資料訓練，從複雜音訊中提取高品質的聲學表徵。
- 聯合訓練：團隊對語音 Encoder 與大語言模型進行聯合訓練，引入多來源、數千萬小時級的語音資料，涵蓋多種方言、口音與聲學環境。
📊 開源評測集表現：多語種 WER 均控制在 3% 左右
在多語種的詞錯誤率（WER, Word Error Rate）表現上，Hy ASR 3.0 preview 展現了領先競品的實力：
| 語種 | WER (Word Error Rate) |
|---|---|
| 英語 | 2.62% |
| 粵語 | 3.12% |
| 中文普通話 | 3.34% |
此外，在自建的場景化評測（包含通用識別、方言識別、上下文理解、高噪及耳語等複雜聲學場景）中，該模型同樣保持了較低的 WER 水平。
💡 三大核心能力升級：更準、更穩、更聰明
根據騰訊混元釋出的資訊，Hy ASR 3.0 preview 針對使用者體驗進行了四個面向的重點提升：
- 精準捕捉語意：結合上下文（Context）智慧糾錯同音詞，消除語義歧義。
- 提升通用與方言能力：減少錯字、漏字，並針對 10 大方言片區與 20 餘個二級小片區進行 SFT（Supervised Fine-Tuning）資料體系覆蓋。
- 專業場景適配：支援「熱詞注入」功能，幫助模型快速識別品牌、人名及行業術語，降低業務接入成本。
- 複雜環境魯棒性：針對高噪、耳語、悄悄話等多種聲學場景進行專項最佳化，確保穩定表現。
🎯 實務啟示
對於開發者而言，Hy ASR 3.0 preview 的釋出意味著語音識別不再只是「聽寫工具」，而是可以深度整合進工作流的「理解工具」。透過熱詞注入與上下文感知能力，工程師可以更輕易地將其應用於智慧客服、內容理解與語音搜尋等對準確度要求極高的專業場景。目前該模型已透過騰訊雲提供 API 服務。
🔗 來源
- 標題：騰訊混元Hy ASR 3.0 preview：讓語音識別理解上下文
- 作者／機構：允中 @ 量子位
- 連結：https://www.qbitai.com/2026/08/465973.html
#ASR #SpeechRecognition #Tencent #HyASR #LLM #MoE #MachineLearning #DeepLearning #SpeechToText #AI
原始資料 量子位 · 收集於 2026-08-05
摘要原文
騰訊混元Hy ASR 3.0 preview：讓語音識別理解上下文 允中 2026-08-04 16:58:21 來源： 量子位 元寶已接入 8 月 4 日，騰訊混元正式釋出新一代語音識別模型 Hy ASR 3.0 preview。基於最新一代大語言模型 Hy3 的語言理解能力，Hy ASR 3.0 preview 融合高精度語音識別與深度語義理解能力，在通用識別、上下文感知、多場景魯棒性以及方言覆蓋等核心維度實現全面提升，能夠在更複雜的真實輸入中給出準確、連貫且更接近使用者意圖的轉寫結果，從“逐字轉寫、單點最佳化”演進為“理解語境、相容場景、一鍵直出”。 Hy ASR 3.0 preview 在多個開源評測集和自建評測集上整體表現領先。在開源評測集中，Hy ASR 3.0 preview 在多語種的WER（Word Error Rate, 詞錯誤率）上都控制在3%左右，其中中文普通話 WER 3.34%、英語 WER 2.62%、粵語 WER 3.12%，整體領先競品。 開源評測集表現：Hy ASR 3.0 preview在語種及方言上整體表現領先 在自建評測集上，Hy ASR 3.0 preview在通用識別、方言識別、上下文Context理解、複雜聲學場景（高噪、耳語）等場景化評測中，WER也保持較低水平，整體領先競品。 自建評測集表現：在綜合評測集上取得最低 WER，整體表現領先 從使用者使用的角度，Hy ASR 3.0 preview重點提升了四類能力，包括： 通用識別更準確 ：提升通用語音、方言、中英混說等場景下的識別準確性，進一步減少錯字、漏字問題。 更能理解使用者意圖 ：結合上下文Context精準捕捉使用者語境，智慧糾錯同音詞，消除語義歧義。 更容易適配專業場景 ：支援熱詞注入增強，幫助模型快速識別品牌產品名稱、人名及行業術語，降低業務接入和持續維護成本。 複雜環境下更穩定 ：面向高噪、耳語、悄悄話等多種聲學場景下進行專項最佳化，複雜條件下依然保持穩定表現。 架構、資料、後訓練持續增強，提升語音識別能力上限 Hy ASR 3.0 preview的能力提升並非來自單一模組，而是模型架構、資料 Scaling 與後訓練最佳化共同作用的結果。 在架構層面，Hy ASR 3.0 preview 採用兼顧效率與效能的 MoE 架構，並將基座模型升級至 Hy3，進一步增強語言理解、上下文建模和語義推理能力。在語音側，團隊自研無監督語音 Encoder，通過數千萬小時級無監督語音資料訓練，使其能夠從複雜音訊中提取高質量的聲學表徵。 為了持續提升模型的語音建模與理解能力，混元團隊對語音 Encoder 和大語言模型進行聯合訓練，引入數千萬小時級、多來源的語音資料，覆蓋多種方言、口音和聲學環境，並通過高質量資料管線進行精細化標註。在大規模聯合預訓練的基礎上，Hy ASR 3.0 preview 通過多階段能力注入，逐步獲得上下文感知、複雜場景適應和方言識別等能力。 圍繞通用識別、上下文理解和複雜場景魯棒性，團隊構建了高質量的 SFT recipe，覆蓋上下文context、專業名詞、不同聲學環境以及多樣人群語音。針對方言識別能力，SFT 資料體系進一步覆蓋 10 大方言片區和 20 餘個二級小片區。 在此基礎上，團隊進一步引入多階段強化學習，分別針對通用轉寫準確性、Any-context 上下文能力和複雜長尾場景進行最佳化，降低模型在複雜聲學環境中的誤識別和漏識別問題。 目前Hy ASR 3.0 preview已上線騰訊雲官網對外提供 API 服務，可廣泛應用於智慧客服、內容理解、語音搜尋等場景。 元寶深度參與共研並已完成首發上線，使用者開啟元寶按住說話即可體驗方言識別、上下文智慧糾錯與複雜環境穩定轉寫等能力提升，語音輸入更準、更穩，且免費開放；WorkBuddy 等產品也在陸續接入中。 體驗地址： 騰訊混元： https://aistudio.tencent.com/visual 騰訊雲： https://cloud.tencent.com/document/product/1093/135476 版權所有，未經授權不得以任何形式轉載及使用，違者必究。 騰訊混元 允中 WorkBuddy重大升級，AI時代的Office來了 2026-07-30 國產算力正在進入Token標準化時代 2026-06-18 為什麼最有價值的AI討論總發生在知乎？ 2026-06-17 一個模型控制手腳腰身！機器人終於學會全身協同幹精細活了 2026-06-16 相關閱讀
由 tencent/hy3:free 自動生成