ทงอี้เปิดตัว Fun-ASR1.5 พร้อมการรับรู้สำเนียงที่ดีขึ้น

ข่าวจาก ME News เมื่อวันที่ 20 เมษายน (UTC+8) ตามการติดตามของ Beating ห้องปฏิบัติการ Tongyi ได้เปิดตัวโมเดลการรับรู้เสียงพูด Fun-ASR1.5 เมื่อวันที่ 20 เมษายน และได้เปิดใช้งาน API บน Alibaba Cloud Bailian พร้อมเปิดให้ทดลองออนไลน์ผ่านชุมชน ModelScope ทางการระบุว่ารุ่นนี้ใช้โมเดลเดียวรองรับ 30 ภาษา สำเนียงจีนเจ็ดสำเนียงหลัก และสำเนียงท้องถิ่นกว่า 20 แบบ โดยไม่แยกโมเดลตามสำเนียงอีกต่อไป การประเมินภายในของ Tongyi แสดงว่า อัตราความผิดพลาดของตัวอักษรในสถานการณ์สำเนียงทั่วไปลดลง 56.2% เมื่อเทียบกับรุ่นก่อนหน้า โดยมีสำเนียงห้าแบบที่มีความแม่นยำเกิน 90% และสิบห้าแบบที่มีความแม่นยำเกิน 80% การรับรู้บทกวีโบราณได้รับการปรับปรุงเป็นพิเศษ โดยความแม่นยำระดับตัวอักษรภายในที่ทางการระบุอยู่ที่ 97% ตัวเลขเหล่านี้มาจากผลการทดสอบภายในของ Tongyi ไม่ใช่มาตรฐานจากภายนอก สำเนียงจีนที่ยากที่สุดในการรับรู้ซึ่งมักถูกมองข้าม ตอนนี้ถูกรวมเข้าไว้ในความสามารถเดียวกันที่สามารถใช้งานเชิงพาณิชย์ได้ทันที สำหรับสถานการณ์เช่น การถ่ายทอดสดเพื่อการศึกษา เส้นทางสายด่วนภาครัฐท้องถิ่น และการจัดเก็บข้อมูลสัมภาษณ์ ผู้ใช้งานไม่จำเป็นต้องแยกเส้นทางการรับรู้หลายชุดตามสำเนียงท้องถิ่น อีกต่อไป ทำให้การติดตั้งง่ายขึ้น (ที่มา: BlockBeats)