豆包语音识别模型2.0发布：能听懂字看懂图 支持13种外语
12月5日，火山引擎正式推出其新一代语音识别系统——豆包语音识别模型2.0。新版本在核心架构与技术能力上实现了显著升级。
据悉，该2.0版本大幅提升了系统的推理与理解能力。通过深度分析对话的上下文语境，其整体关键词的准确捕捉率较以往提升了20%。这意味着系统能够更精准地把握用户表达的真实意图。
此次升级的另一大亮点是引入了多模态识别技术。新系统不仅能处理音频信息，还能结合单张或多张图片等视觉信息进行综合判断，从而实现“既听声音，也看内容”的识别效果，进一步提高了文字转写的准确性。
豆包语音识别模型2.0支持多模态识别
在语种支持方面，新版模型的服务范围进一步扩大，新增了对日语、韩语、德语、法语等共计13种外语的精准识别能力，以满足更广泛的国际化应用需求。
模型支持13种外语识别
针对日常识别中的难点，2.0版本进行了专项优化。系统在处理专有名词、人名、地名、品牌名称以及容易混淆的多音字时，表现出更强的鲁棒性和准确性。
以一个具体场景为例：在讨论历史人物生平时，若用户提到“苏辙贬谪地筠（yún）州”，传统识别技术可能因同音字问题误判为“云州”或“郓州”。而新一代系统能够依据对话中关于“苏轼、苏辙”的背景信息进行逻辑推理，即使前文未出现“筠州”，也能准确锁定这一特定历史地名，实现精准识别。
- 相关推荐
- 语音识别
- 豆包模型
- 多模态识别
- 海外语种
-
荐AI日报：字节推storyMem系统；月之暗面再推多模态新模型；AI眼镜Pickle 1发布
本期ai日报聚焦多项AI领域进展：字节跳动推出StoryMem系统，提升AI生成视频角色一致性28.7%；月之暗面计划2026年推出多模态模型K2.1/K2.5；智能眼镜Pickle 1实现“无限记忆”与主动交互；清华与OpenBMB开源音频模型评测框架ultraEval-Audio；OpenAI押注语音交互，整合团队重构音频系统；开源工具Antigravity支持多账号切换，突破AI使用限制；元象开源面向泛娱乐场景的大模型XVERSE-Ent；苹果回应“国行版AI功能 *** ”传闻，提醒用户勿通过第三方强行激活。
ai视频生成 角色一致性 字节跳动 -
它石智航 WIYH 数据集正式开源：全球首个具身 VLTA 多模态数据，加速具身智能真实世界落地
它石智航开源了全球首个大规模真实世界具身多模态数据集WIYH，填补了高质量、可泛化、大规模真实世界数据的空白。该数据集采用以人为中心的新范式，破解了数据采集成本高、仿真数据迁移难等痛点，为具身基座模型实现Scaling Law提供了关键语料。WIYH数据集具备真实可靠、丰富多元、全面多模态、规模化等特征，并拥有海量数据，覆盖10余种核心场景全链路任务。它石还�
具身智能 多模态数据集 VLTA -
英国一边牧能识别220个单词：获封最聪明狗狗称号
《每日邮报》报道，英国7岁边境牧羊犬哈维能记住220个玩具的名字，并按指令准确找回对应物品，被称为英国最聪明的狗狗”。 研究人员称，全球仅约10只狗具备类似能力，目前哈维已受到布达佩斯、朴次茅斯等多家天才犬”研究机构关注。 哈维的主人、52岁的艾琳休
边境牧羊犬 聪明狗狗 玩具识别 -
英国一只7岁边牧能识别220个玩具 主人回应
，近日，英国7岁边境牧羊犬能记住220个玩具的名字引发热议。 据狗狗主人艾琳介绍，它能按指令准确找回对应物品，还被称为英国最聪明的狗狗”。 研究人员称，全球仅约10只狗具备类似能力，目前它已受到布达佩斯、朴次茅斯等多家天才犬”研究机构关注。 艾琳表示，从幼犬时期起，她就以游戏方式训练它识别单词。
边境牧羊犬 聪明狗狗 玩具记忆 -
不露脸，只出声，语音厅怎么就成了300亿黑马？
不露脸，只出声，直播日均流水超200万元，一款周边爆卖20.6万元。 当团播还在卷生卷死的时候，纯靠声音的语音厅却悄悄拿下了一个300亿的市场，并捧出了“𝑇.赵太阳”“控”等拥有百万粉丝的语音圈顶流。 不久前，“𝑇.赵太阳”还以听潮阁传媒总裁的身份参与录制了抖音、湖北卫视联合呈现的综艺《我被有趣的工作包围了》。
语音厅 直播 主播
热文
- 3 天
- 7天
-
1
雷军称小米车轮子撞掉是丢轮保车：一种重要的安全策略
-
2
AI日报：字节推StoryMem系统；月之暗面再推多模态新模型；AI眼
-
3
雷军确认小字营销要改：小米会认真倾听大家意见
-
4
REDMI Turbo 5系列本月发布：将推出Turbo 5 Max机型
-
5
AI日报：电信开源MoE大模型TeleChat3；微信推出AI小程序成长计
-
6
雷军2026年立了3个flag：称今年要学会叉车 交付55万辆小米汽车
-
7
真我Neo 8官宣1月发布 首发三星1.5K高刷屏
-
8
一加Turbo 6搭载第四代骁龙8s风驰版 安兔兔跑分超260万
-
9
雷军称直播拆的小米YU7会装回去 但不进入销售渠道
-
10
AI日报：百度推百科AI知识图谱新功能；字节否认豆包AI眼镜即将
站长商机
商务合作 侵权投诉 广告服务 版权声明 ***
©CopyRight 2002-2020 CHINAZ.COM
扫描二维码推送至手机访问。
版权声明：本文由2345好导航站长资讯发布，如需转载请注明出处。
“豆包语音识别模型2.0发布：能听懂字看懂图 支持13种外语” 的相关文章
高强度竞争领域注定容不下安逸，等待敲锣的协和电子正走在掉队的路上？
扎根印制电路板技术研发二十年，专注于汽车电子、高频通讯等中高端领域的协和电子（605258）本周启动招股，下周四（11月19日）即将网上申购。 多年的沉淀，令其收获了一批优质客户。不过随着行业规模增长放缓、各类成本抬升以及行业龙头集中度提高，协和电子往日优势逐渐消退，利润水平也逐年降低，此...
威腾电气IPO观察：自夸“头部企业”被打回原形 拿投资者4个亿只为“试试水”？
威腾电气，一家缺乏科创属性、爱夸夸其谈还带着问题供应商的公司，正在冲击科创板市场。 2021年1月14日，以输配电中母线产品研发、制造及销售为主业的威腾电气，正式通过上市委会议，距离科创板上市又近了一步。 但这对投资者而言，可能并不是一件好事。 由于身在传统电力行业，科研步伐又...
市占率不足0.1% 造血能力不足 罗普特科创上市谋续命？
钱流不进口袋的企业，真的算是赚钱企业吗？ 盈利，是大部分投资者最关心的问题。但企业盈利的有效性，是有前提的，现金流就是这个前提。但这部分，往往会被许多投资者忽略，正如巴菲特的那句著名评论：“现金是氧气，99%的时间你不会注意它，直到它没有了”。 没有现金流入的盈利只是纸面数字，纸面数...
19%市占率换不来业绩体量的和林微纳 新业务0.24%市占率又该如何期待？
以19%市占率位居精微屏蔽罩市场头部玩家的和林微纳，即将亮相科创板。 2021年3月9日，主要产品为微机电（MEMS）精微电子零部件的和林微纳，开启了科创板招股。公司与楼氏电子、瑞声科技、裕元电子和银河机械，一同成为精微屏蔽罩市场的主要玩家，2019年五家企业合计占到全球市场总份额的80%...
上声电子：四年净利仅剩30% 研发低产能又“空置” 三角股权难解丨
历时四年发展，归母净利润反缩水近7成的上声电子，即将登陆科创板，寻求资本助力。 作为国内前装市场汽车声学产品方案供应商的上声电子，于2021年3月29日在科创板启动招股环节。公司计划募集4.47亿元资金，其中2.47亿元用于扩产扬声器项目，1.49亿元用于扩产汽车电子项目，剩余5000万元...
瑞华泰：主业停滞、产能重研发轻、债务高筑、实控人空悬… 压力重重 何去何从？丨
瑞华泰，一家打破“卡脖子”材料高端PI薄膜的企业，日前正在做科创资本市场的最后冲刺。 2021年4月14日，专注于高性能PI薄膜领域技术自主研发的制造商瑞华泰，已经开启路演及询价环节，距离正式科创板资本市场仅剩最后一步之遥。目前，公司已建立了完整的PI薄膜研发和产业化的核心技术体系，成功进...