Récemment, le laboratoire TONGYI de Alibaba a officiellement lancé son nouveau modèle d'asr (reconnaissance automatique de la parole) en bout à bout : FunAudio-ASR. Le point fort de ce modèle réside dans son innovation « module Contexte », qui améliore significativement la précision de la reconnaissance vocale dans des environnements bruyants. Le taux d’hallucination est passé de 78,5 % à 10,7 %, soit une baisse de près de 70 %. Cette percée technologique établit un nouveau standard pour l’industrie de la reconnaissance vocale, particulièrement adaptée aux lieux bruyants tels que les réunions ou les lieux publics.
Le modèle FunAudio-ASR a été entraîné sur des millions d’heures de données audio et intègre la capacité de compréhension sémantique des grands modèles linguistiques, ce qui lui permet de surpasser de nombreux systèmes d’asr dominants comme Seed-ASR et KimiAudio-8B, même dans des conditions complexes telles que la reconnaissance à distance, les environnements bruyants ou la présence de plusieurs personnes parlant en même temps. Grâce à cette technologie, les utilisateurs peuvent bénéficier d’une reconnaissance vocale plus claire et plus précise.
Apartir de sa version complète, Alibaba a également lancé une version allégée appelée FunAudio-ASR-nano. Cette version maintient une haute précision de reconnaissance tout en réduisant les coûts de traitement, ce qui la rend idéale pour les environnements de déploiement exigeant des ressources. Que ce soit pour de grandes entreprises ou des petites équipes, chacun trouvera une solution adaptée.
Aujourd’hui, FunAudio-ASR est déjà utilisé dans la fonctionnalité « AI Écouter et Noter » de DingTalk, les conférences vidéo et l’appareil DingTalk A1. De plus, son API est désormais disponible sur la plateforme Alibaba Cloud BaiLian, facilitant l’intégration et l’utilisation par les développeurs. Pour les utilisateurs professionnels, cela signifie qu’ils peuvent utiliser cette technologie avancée pour améliorer l’efficacité des réunions et renforcer la communication.
FunAudio-ASR apporte non seulement une nouvelle percée technologique à la reconnaissance vocale, mais aussi un soutien puissant aux applications pratiques des utilisateurs, contribuant ainsi à la diffusion et à l’application plus larges des technologies de l’intelligence artificielle.
Présentation officielle : https://mp.weixin.qq.com/s/7l5EPTU7cpz7GSN4RP91rg