ByteDance: Doubao-Seed-ASR-2.0在线

ByteDance: Doubao-Seed-ASR-2.0 是字节跳动/火山引擎推出的大模型语音识别服务，可将录制的音频文件转写为文本。它基于在海量真实语音数据上训练的 20 亿参数音频编码器构建，在噪声、多人说话和特定领域的录音中均能实现高精度的转写。主要功能：- 高精度：错误率较传统模型降低约 30%，在垂直领域（音乐、科技、教育、医疗）降低 50% 以上。口音错误率降低约 60%，噪声/背景语音错误率降低 30-50%。- 多语言和方言：支持中文及方言（上海话、闽南语等）；2.0 版本 (Doubao-Seed-ASR-2.0) 新增 13 种外语（日语、韩语、德语、法语等），并提供针对专有名词、姓名和同音词的上下文感知推理能力。- 丰富的文本格式：内置自动标点、逆文本归一化（数字）、语义平滑和智能句子分割，且均可单独开启或关闭。- 长音频处理：支持长达 5 小时的文件处理。