快科技 7 月 6 日消息 ，今日，阿里升级语音实时识别大模型 Fun-ASR-Realtime。

作为一款流式模型，其识别准确率接近离线模型，首字延迟在百毫秒级别，长句尾字延迟低，支持 16 种方言和 30 种语言。

在 7 月 2 日结束的影视飓风 " 重返荒岛 "100 小时直播节目中，实时字幕由 Fun-ASR-Realtime 全程提供支持，共识别出六万多条字幕，132 万字。

全新升级的 Fun-ASR-Realtime 兼具速度和精度。在速度上，模型首字时延控制在百毫秒级别，话音刚落，文字即开始呈现，对于很长的句子，尾字输出的延迟也很低。

以 " 重返荒岛 "100 小时直播为例，多人两岛互动、说话人频繁切换，赛制复杂还遇上了暴雨，观众可即时看到 Tim 和中国 boy 等嘉宾的发言字幕，增强了观看体验。

在准确率上，Fun-ASR-Realtime 接近其离线模型 Fun-ASR-Flash，面向泛 Context（包含历史对话上下文和实时热词）进行了专项强化，具备上下文理解能力。

例如直播节目中 Tim 说出的 " 夜鹭 " 最初被误识为 " 叶鹿 "，通过上下文补充 " 观鸟的朋友应该知道 " 后，立刻纠正。

相较于市面上的实时模型，Fun-ASR-Realtime 支持的语音种类更加丰富，可识别出 16 种方言和 30 种语言。

在八大方言区的 16 种方言识别测评中，Fun-ASR-Realtime 的字符准确率平均为 88.62%，在 12 类方言中领先，超越火山与腾讯相关产品。

在 5 类工业中文和英文场景的语音识别测评中，针对复杂背景、远场嘈杂以及各种带口音的场景，Fun-ASR-Realtime 依然表现良好，平均字符准确率分别为 88.42%、91.58%，领先相关产品。

值得一提的是，Fun-ASR-Realtime 的离线模式模型 Fun-ASR-Flash 也已于近期上线。在全球权威 AI 评测平台 Artificial Analysis，Fun-ASR-Flash（榜单上为该模型曾用名 "Fun-realtime-ASR-preview"）错字率 1.7%，位列全球第一。

两款模型均已上线阿里云百炼。

Fun-ASR-Realtime：

https://help.aliyun.com/zh/model-studio/real-time-speech-recognition-user-guide

Fun-ASR-Flash：

https://bailian.console.aliyun.com/cn-beijing#/doc/?type=model&url=2979031