Fun-ASR シリーズ
説明
- モデル背景：通義実験室が発表したエンドツーエンド音声認識大モデル。数千万時間の実音声データで事前学習され、強力な文脈理解と業界適応能力を持つ
- 機能特性：全シリーズ非ストリーミング、句読点対応、タイムスタンプ対応。低遅延リアルタイム書き起こしをサポートし、遠距離・高騒音環境での認識精度は93%に達する
- バージョン識別子の説明：
int8：INT8量子化バージョン。サイズが小さく、推論速度が高速で、エッジ展開に適するLLM：大モデル強化版。文脈理解がより強力で、認識幻覚を抑制CTC：古典的なCTCアーキテクチャの軽量版。推論が軽量MLT：多言語汎用版。31言語をカバーsplit-adaptor：特徴適応モジュールを分離して展開するバージョン- 言語と能力の説明：
- Fun-ASR-Nano：中国語、英語、日本語に対応。7つの方言（呉語、広東語、閩語、客家語、贛語、湘語、晋語）。26の地方訛り（河南、山西、湖北、四川、重慶、雲南、貴州、広東、広西、陝西、河北、山東、安徽、天津、寧夏、遼寧、甘粛、湖南、黒竜江、吉林、内モンゴル、江蘇、浙江、福建、江西、海南）。歌詞認識、ラップ音声認識もサポート
- Fun-ASR-MLT-Nano：合計31言語に対応：中国語、英語、広東語、日本語、韓国語、ベトナム語、インドネシア語、タイ語、マレー語、フィリピノ語、アラビア語、ヒンディー語、ブルガリア語、クロアチア語、チェコ語、デンマーク語、オランダ語、エストニア語、フィンランド語、ギリシャ語、ハンガリー語、アイルランド語、ラトビア語、リトアニア語、マルタ語、ポーランド語、ポルトガル語、ルーマニア語、スロバキア語、スロベニア語、スウェーデン語
- 業界優位性：教育、金融などの垂直領域で優れた性能を発揮し、専門用語を正確に認識し、幻覚生成や言語混同の問題を効果的に抑制