千问升级实时语音识别大模型Fun-ASR-Realtime:支持影视飓风100小时直播

千问大模型在7月6日宣布其实时语音识别模型Fun-ASR-Realtime完成升级，首字延迟仅百毫秒，准确率媲美离线版本，并支持16种方言与30种语言。以下为您详细介绍这一模型的核心特性与实际表现。

据千问介绍，在7月2日结束的影视飓风「重返荒岛」100小时直播中，实时字幕由Fun-ASR-Realtime全程提供，累计识别字幕6万余条、共计132万字。

在速度上，模型首字时延控制在百毫秒级别，话音刚落，文字即开始呈现；对很长的句子，尾字输出的延迟同样很低。

在准确率上，Fun-ASR-Realtime接近其离线模型Fun-ASR-Flash，并面向泛Context（包含历史对话上下文和实时热词）进行了专项强化，具备上下文理解能力。

此外，Fun-ASR-Realtime可识别16种方言和30种语言。

在覆盖八大方言区的16种方言识别测试中，Fun-ASR-Realtime字符准确率平均为88.62%，在12类方言上领先，超越火山与腾讯相关产品。

据悉，Fun-ASR-Realtime的离线模式模型Fun-ASR-Flash也已于近期上线。综合来看，这一流式语音识别模型以极低延迟、高准确率和多语言方言支持，为实时语音应用提供了坚实的技术基础。