火山引擎今日重磅发布豆包语音识别模型2.0（Doubao-Seed-ASR-2.0），这一突破性升级基于先进的Seed混合专家大语言模型架构，在原有的20亿参数音频编码器上实现了全面革新。通过引入强化学习技术，新模型显著提升了上下文推理能力，使得关键词召回率大幅提高20%，能够精准识别专有名词、多音字及易混淆词汇，为语音识别领域树立了新的标杆。
此次升级不仅强化了核心语音识别功能，还创新性地加入了多模态视觉识别能力。模型现支持结合单图或多图内容进行语音解析，通过图像信息辅助理解，有效区分”滑鸡”与”滑稽”等语义相近但实际含义迥异的词汇，极大提升了识别准确率。这一功能特别适用于需要结合视觉场景的复杂应用场景。
在国际化方面，豆包语音识别模型2.0同样表现出色，全面支持中、英及日、韩、德、法等13种海外语种的识别需求，为全球化业务提供了强大的语言技术支撑。无论是跨国企业还是多语言内容创作者，都能从中获得卓越的识别体验。
目前，该模型已正式上线火山方舟体验中心，向开发者开放API服务。用户可通过火山引擎官方平台获取试用资格，亲身体验这一集高性能、强功能、广覆盖于一身的智能语音识别解决方案。火山引擎持续致力于推动AI技术创新，此次豆包语音识别2.0的发布，再次彰显了其在智能语音领域的领先地位和深厚技术积累。