2026年7月，通义千问正式对外发布全新实时语音识别模型Fun-ASR-Realtime。该模型将首字识别延迟控制在百毫秒级，识别精度接近行业领先的离线识别模型，同时支持30种通用语言及16种中文方言识别，兼具低延迟、高精度、多语种覆盖三大核心优势，可广泛适配多场景交互需求，为AI语音交互体验升级提供了全新技术底座。
用过实时语音转写功能的用户多半有过类似体验：要么说话后要等1-2秒才会出现文字，要么实时转写的错误率居高不下，碰到带口音的发言更是几乎没法用——这些痛点本质上都是实时语音识别模型在延迟和精度之间难以平衡的结果。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号