豆包发布语音识别模型2.0，支持多模态视觉识别和13种海外语种识别
下载客户端
独家抢先看
独家抢先看
凤凰网科技讯 12月5日，火山引擎正式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。
据官方介绍，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%。支持多模态视觉识别，在听得懂的同时看得懂，可以通过单图和多图等视觉信息输入提升文字识别精准度。
支持日语、韩语、德语、法语等13种海外语种的识别。并且重点针对专有名词、人名、地名、品牌名称及易混淆多音字等复杂场景进行了升级。
