2025年12月5日，火山引擎重磅发布豆包语音识别模型2.0（Doubao-Seed-ASR-2.0），这一突破性升级将语音识别技术推向全新高度。通过深度学习上下文关联性，新模型实现了关键词召回率20%的显著提升，大幅增强了语音推理与精准识别能力。这一改进不仅让语音交互更加智能，也为复杂场景下的应用提供了更强支撑。
此次升级还创新性地引入多模态视觉识别功能，支持单图及多图输入模式，成功实现“听懂字”与“看懂图”的智能融合。通过跨模态信息协同，文字识别准确率得到显著优化，为图文混排场景下的信息提取开辟了新路径。这一技术突破将极大提升多场景应用中的信息处理效率。
在国际化方面，豆包语音识别模型2.0实现了跨越式发展，新增支持日语、韩语、德语、法语等13种海外语种，全面强化了全球化语音处理能力。这一升级不仅助力企业拓展海外市场，也为跨语言交流提供了更智能的解决方案，标志着火山引擎在全球化语音技术领域迈出重要一步。
此次全面升级充分展现了豆包语音识别模型在复杂场景下的强大应用潜力。无论是智能客服、语音助手还是无障碍交流等领域，新模型都将以更精准、更智能的表现，为用户带来前所未有的语音交互体验。火山引擎持续推动技术创新，致力于让智能语音技术惠及更多用户，创造更美好的数字生活。