7 月 6 日消息，千问大模型今日宣布正式升级实时语音识别大模型 Fun-ASR-Realtime，一款首字延迟控制在百毫秒级别、识别准确率接近离线模型的流式语音识别模型，支持 16 种方言和 30 种语言。

据千问介绍，在 7 月 2 日结束的影视飓风「重返荒岛」100 小时直播中，实时字幕由 Fun-ASR-Realtime 全程提供，累计识别字幕 6 万余条、共计 132 万字。

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；对很长的句子，尾字输出的延迟同样很低。

在准确率上，Fun-ASR-Realtime 接近其离线模型 Fun-ASR-Flash，并面向泛 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。

此外，Fun-ASR-Realtime 可识别 16 种方言和 30 种语言。

在覆盖八大方言区的 16 种方言识别测试中，Fun-ASR-Realtime 字符准确率平均为 88.62%，在 12 类方言上领先，超越火山与腾讯相关产品。

据悉，Fun-ASR-Realtime 的离线模式模型 Fun-ASR-Flash 也已于近期上线。