Beating tarafından yapılan izlemeye göre, Alibaba Tongyi Laboratuvarı, akıcı konuşma tanıma büyük modeli Fun-ASR-Realtime'in ilk karakter gecikmesini milisaniye seviyesine indirerek, konuşma biter bitmez metnin çıkmasını sağladı ve doğruluk oranı çevrimdışı modellere yaklaştı. Film ve dizi prodüksiyon şirketi "Film Storm" tarafından yakın zamanda düzenlenen 100 saatlik ıssız ada canlı yayınında, model, şiddetli yağmur ve birden fazla kişinin sık sık konuşma sırası değiştirdiği zorlu ortamlarda, toplamda 60.000'den fazla cümle ve 1,32 milyon karakterlik gerçek zamanlı altyazı desteği sağladı.
Gerçek zamanlı konuşma tanımada sıkça karşılaşılan bağlamdan kopma sorununu çözmek için yeni model, bağlamsal farkındalık yeteneğini güçlendirdi. Geçmiş diyaloglar ve gerçek zamanlı popüler kelimelerle dinamik düzeltme yapabiliyor (örneğin, sonraki metne göre "叶鹿"yu otomatik olarak "夜鹭" olarak düzeltebiliyor). Model şu anda 30 dil ve 16 lehçeyi destekliyor; lehçe testlerinde ortalama karakter doğruluk oranı %88,62, Şanghay lehçesinde %92,41 ve en zor anlaşılan Wenzhou lehçesinde bile %82,74'e ulaşıyor. Çevrimdışı model Fun-ASR-Flash ise küresel AI değerlendirme platformu Artificial Analysis'teki kelime hata oranı sıralamasında birinci oldu.
Şu anda, bu iki yeni model yalnızca ticari API hizmeti olarak Alibaba Cloud Bailian'da kullanıma sunulurken, temel FunASR açık kaynak çerçevesi ve ekosistem modelleri ModelScope topluluğu ve GitHub üzerinden edinilebiliyor.
