11.11云上盛惠!海量产品 · 轻松上云!云服务器首年1.8折起,买1年送3个月!超值优惠,性能稳定,让您的云端之旅更加畅享。快来腾讯云选购吧!
腾讯云
12-20
腾讯混元日前正式推出Hy ASR 3.0 preview语音识别模型,已率先落地腾讯元宝App面向全部用户免费使用。 依托Hy3基座大模型打通声学识别与语义理解,彻底摆脱传统语音识别生硬转写短板,在多方言口音、嘈杂收音、远距离拾音等复杂场景稳定输出精准文本。 模型完成10大方言片区、20余个细分方言覆盖,粤语、吴语、西南官话、中原官话等日常口语均可直接对话交互,用户不需
阿里发布新一代语音识别大模型 Qwen-Audio-3.0-ASR-Flash,重点优化了专业词汇的识别表现。该模型已在医疗等垂直场景中展现出较高准确率,相关听写准确率突破九成五。 语音识别在通用对话中已相对成熟,但在医学、法律、工业等专业领域,由于术语密集且发音相近词多,模型常常出现误判。此次新模型强化了对专业词的处理能力,使其更贴合真实行业场景的需求。
阿里升级语音实时识别大模型Fun-ASR-Realtime,准确率接近离线模型,首字延迟百毫秒级,支持16种方言和30种语言。该模型已在“重返荒岛”直播中全程提供字幕,识别超六万条,并通过上下文理解实时纠错。在方言与复杂场景评测中,其准确率领先火山、腾讯等同类产品。离线版Fun-ASR-Flash亦上线,错字率全球第一。
当前电商售后中,部分用户通过AI生成、软件编辑伪造破损、污渍等虚假图片,骗取退款,给商家与平台带来大量损失。 为此,淘宝天猫正式上线售后AI假图识别模型,同步开放AI假图反馈入口,重点打击利用AI伪造、P图篡改商品瑕疵恶意骗退款的行业乱象,保障商家合法权益。 淘宝天猫搭建AI假图识别治理体系,将模型应用于纠纷判决、退款审核、商家申诉等核心环节,形�
阿里通义实验室近日正式推出语音识别大模型 Fun-ASR1.5。 该模型基于统一的大模型架构,单模型即可无缝覆盖30种语言、汉语七大方言体系及20余种地方口音,甚至连古诗词吟诵也能精准转写。 测试显示,在典型方言场景下,字错误率(CER)相对下降56.2%。目前已有5种方言的识别准确率突破90%,15种超过80%。
腾讯公关总监张军今日宣布,微信PC端4.1.7版本正式推出语音输入功能,目前正通过内测版向全体用户逐步推送。这项被用户称为"办公神器"的新功能,不仅支持全局调用,更通过智能优化技术将口语转化为规范书面语,重新定义了电脑端文字输入方式。 据实测体验,用户只需点击聊天框左侧麦克风图标或按下Ctrl+Win组合键即可激活语音输入,系统实时将语音转化为文字
本期AI日报聚焦多领域AI新进展:淘宝天猫上线AI假图识别模型,打击恶意售后;Inworld推出低延迟多语言TTS-1.5,革新游戏对话体验;百川智能发布医疗大模型Baichuan-M3+Plus,医学幻觉率降至2.6%;Remotion Skills实现自然语言生成专业视频动画;苹果内部AI工具Enchanté和Enterprise Assistant曝光,提升办公效率;YouTube计划推出“AI个人形象”功能,变革短视频创作;微软为Windows 11记事本与画图注入AI新能力;苹果拟将Siri重塑为类ChatGPT聊天机器人,代号“Campos”。
今日,火山引擎发布豆包语音识别模型2.0(Doubao-Seed-ASR-2.0),依托Seed混合专家大语言模型架构构建。 据介绍,2.0版本模型推理能力提升,可以通过深度理解上下文完成精准识别,上下文整体关键词召回率提升20%。 同时支持多模态视觉识别,不仅听懂字”还能看懂图”,通过单图和多图等视觉信息输入让文字识别更精准。
DeepSeek在GitHub开源新一代OCR模型,采用创新光学二维映射压缩技术,在长文本识别场景实现97%准确率。模型通过动态压缩生成最优视觉特征令牌,较传统方法减少60%计算冗余。实验显示在1:20压缩率下仍保持60%以上准确率,显著优于同类模型。该技术路径为OCR系统小型化提供解决方案,其动态压缩策略对大型语言模型的记忆管理机制具有重要启示。
AI日报栏目汇总近期AI领域重要进展:腾讯元宝接入DeepSeek V3.1提升智能助手能力;即梦AI推出多帧功能简化视频制作;可灵AI首尾帧功能升级效果提升235%;钉钉与通义实验室联合发布Fun-ASR语音识别大模型;腾讯CodeBuddy IDE国内版公测;Vercel发布AI Gateway简化模型调用;Anthropic整合Claude Code强化企业开发;阿里发布Mobile-Agent-v3突破GUI自动化;Qoder平台革新编程模式;清华团队GUAVA框架实现0.1秒3D化身生成;谷歌搜索新增AI Agent功能;VAST推出Tripo 3.0推动3D内容创作。