智通財經APP獲悉，7月6日，千問大模型正式升級實時語音識別大模型Fun-ASR-Realtime。Fun-ASR-Realtime為一款首字延遲控制在百毫秒級別、識別準確率接近離線模型的流式語音識別模型，支持16種方言和30種語言。

語音識別模型分為離線和實時兩類。離線模型可一次性輸入錄好的音頻，準確度更高；實時模型邊錄邊識，需又準又快，識別難度更高，適合直播字幕、會議實時轉寫、客服通話等低延遲場景。Fun-ASR-Realtime面向的正是後一種——讓"又快"和"又準"同時成立。

速度：首字百毫秒，尾字不掉隊

在速度上，模型首字時延控制在百毫秒級別，話音剛落，文字即開始呈現；對很長的句子，尾字輸出的延遲同樣很低。

以「重返荒島」100小時直播為例，多人兩島互動、說話人頻繁切換，賽制複雜還遇上了暴雨，觀衆可即時看到Tim和中國boy等嘉賓的發言字幕，直接增強了觀看體驗。

準確率：接近離線模型，還能「越聽越準」

在準確率上，Fun-ASR-Realtime接近其離線模型Fun-ASR-Flash，並面向泛 Context(包含歷史對話上下文和實時熱詞)進行了專項強化，具備上下文理解能力。

舉一個直播裏的真實例子：Tim說出的"夜鷺"最初被誤識為"葉鹿"，在補充上下文"觀鳥的朋友應該知道"後，模型立刻自我糾正。

多語言和方言：這是Fun-ASR-Realtime最能聽的部分

相較於市面上的實時模型，Fun-ASR-Realtime 支持的語音種類更加豐富，可識別16種方言和30種語言。

在覆蓋八大方言區的16種方言識別測試中，Fun-ASR-Realtime字符準確率平均為 88.62%，在12類方言上領先，超越火山與騰訊相關產品。尤其在高難度的吳語系方言上表現驚豔——上海話：92.41%，蘇州話：89.21%，溫州話(號稱"最難懂方言")：82.74%。

在福建話、客家話等複雜方言上，模型同樣全面領先。

Fun-ASR-Realtime在16 種方言識別測試中領先。CER為字符錯誤率(Character Error Rate)，1-CER代表字符準確率。

複雜場景與多語種：從工業遠場到出海市場

在5類工業中文和英文場景的語音識別橫向測評中，針對複雜背景、遠場嘈雜以及各種帶口音的場景，Fun-ASR-Realtime依然表現良好，中文平均字符準確率88.42%、英文91.58%，均領先相關產品。

Fun-ASR-Realtime在5 類工業中文和英文場景的語音識別橫向測評中領先。

在此基礎上，模型面向泰語等東亞、東南亞多語言場景進行了專項優化，識別準確率提升了20%，適用於出海客服、國際會議等場景。

離線模型Fun-ASR-Flash：全球權威排行榜第一

Fun-ASR-Realtime的離線模式模型Fun-ASR-Flash也已於近期上線。在全球權威AI評測平台Artificial Analysis上，Fun-ASR-Flash(排行榜上為該模型曾用名"Fun-realtime-ASR-preview")字錯率1.7%，位列全球第一。