Daily Tech Briefing
AI 科技速览
每天 5 分钟内学习 AI。获取最新的人工智能新闻，理解其重要性，并学习如何将其应用于您的工作。
量子位 · 2026/8/4 08:58:21
腾讯混元Hy ASR 3.0 preview：让语音识别理解上下文
AI 中文解读
腾讯混元推出新一代语音识别模型Hy ASR 3.0，最亮眼的是它不再只是“听写机器”，而是能结合上下文理解你说话的真正意图，比如自动纠正同音字。以往语音识别经常把“研究”写成“盐就”，现在这类问题能大幅减少，中文、英语、粤语的识别错误率都控制在3%左右。
通俗讲，过去的语音识别就像速记员，你念什么它记什么，遇到谐音或口语化表达就容易出错。新的技术更像是懂你的助理，它不仅能听清每个字，还能结合前后语境猜出你想表达的准确意思，甚至会听方言、能适应嘈杂环境和耳语。这是因为它用了更聪明的底层大模型，结合数千万小时的语音数据训练，相当于“博览群书”后才上岗。
对咱们普通人来说，最直接的改变就是手机上的语音输入、智能客服对话会变得更聪明。比如你在元宝App里按住说话，粤语、方言也能识别，说完一串话它还能自动理解语义帮你纠错，发微信、写摘要、语音搜索都更省心。企业也能把这项能力用在自己的产品里，让AI客服听懂用户真正想办什么事，而不只是僵化地识别关键词。
首页
资讯
智能车
智库
活动
MEET大会
AIGC
扫码关注量子位
// $('.biaojiwei').click(function(){
$('.biaojiwei').click(function(event){
event.stopPropagation();
$('#pophead').show();
})
$('.weixin_pop').click(function(){
$('.weixin_pop').hide();
})
// })
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">
腾讯混元Hy ASR 3.0 preview：让语音识别理解上下文
允中
2026-08-04
16:58:21
来源：量子位
元宝已接入
8 月 4 日，腾讯混元正式发布新一代语音识别模型 Hy ASR 3.0 preview。基于最新一代大语言模型 Hy3 的语言理解能力，Hy ASR 3.0 preview 融合高精度语音识别与深度语义理解能力，在通用识别、上下文感知、多场景鲁棒性以及方言覆盖等核心维度实现全面提升，能够在更复杂的真实输入中给出准确、连贯且更接近用户意图的转写结果，从“逐字转写、单点优化”演进为“理解语境、兼容场景、一键直出”。
Hy ASR 3.0 preview 在多个开源评测集和自建评测集上整体表现领先。在开源评测集中，Hy ASR 3.0 preview 在多语种的WER（Word Error Rate, 词错误率）上都控制在3%左右，其中中文普通话 WER 3.34%、英语 WER 2.62%、粤语 WER 3.12%，整体领先竞品。
开源评测集表现：Hy ASR 3.0 preview在语种及方言上整体表现领先
在自建评测集上，Hy ASR 3.0 preview在通用识别、方言识别、上下文Context理解、复杂声学场景（高噪、耳语）等场景化评测中，WER也保持较低水平，整体领先竞品。
自建评测集表现：在综合评测集上取得最低 WER，整体表现领先
从用户使用的角度，Hy ASR 3.0 preview重点提升了四类能力，包括：
通用识别更准确：提升通用语音、方言、中英混说等场景下的识别准确性，进一步减少错字、漏字问题。
更能理解用户意图：结合上下文Context精准捕捉用户语境，智能纠错同音词，消除语义歧义。
更容易适配专业场景：支持热词注入增强，帮助模型快速识别品牌产品名称、人名及行业术语，降低业务接入和持续维护成本。
复杂环境下更稳定：面向高噪、耳语、悄悄话等多种声学场景下进行专项优化，复杂条件下依然保持稳定表现。
架构、数据、后训练持续增强，提升语音识别能力上限
Hy ASR 3.0 preview的能力提升并非来自单一模块，而是模型架构、数据 Scaling 与后训练优化共同作用的结果。
在架构层面，Hy ASR 3.0 preview 采用兼顾效率与性能的 MoE 架构，并将基座模型升级至 Hy3，进一步增强语言理解、上下文建模和语义推理能力。在语音侧，团队自研无监督语音 Encoder，通过数千万小时级无监督语音数据训练，使其能够从复杂音频中提取高质量的声学表征。
为了持续提升模型的语音建模与理解能力，混元团队对语音 Encoder 和大语言模型进行联合训练，引入数千万小时级、多来源的语音数据，覆盖多种方言、口音和声学环境，并通过高质量数据管线进行精细化标注。在大规模联合预训练的基础上，Hy ASR 3.0 preview 通过多阶段能力注入，逐步获得上下文感知、复杂场景适应和方言识别等能力。
围绕通用识别、上下文理解和复杂场景鲁棒性，团队构建了高质量的 SFT recipe，覆盖上下文context、专业名词、不同声学环境以及多样人群语音。针对方言识别能力，SFT 数据体系进一步覆盖 10 大方言片区和 20 余个二级小片区。
在此基础上，团队进一步引入多阶段强化学习，分别针对通用转写准确性、Any-context 上下文能力和复杂长尾场景进行优化，降低模型在复杂声学环境中的误识别和漏识别问题。
目前Hy ASR 3.0 preview已上线腾讯云官网对外提供 API 服务，可广泛应用于智能客服、内容理解、语音搜索等场景。
元宝深度参与共研并已完成首发上线，用户打开元宝按住说话即可体验方言识别、上下文智能纠错与复杂环境稳定转写等能力提升，语音输入更准、更稳，且免费开放；WorkBuddy 等产品也在陆续接入中。
体验地址：
腾讯混元：
https://aistudio.tencent.com/visual
腾讯云：
https://cloud.tencent.com/document/product/1093/135476
版权所有，未经授权不得以任何形式转载及使用，违者必究。
腾讯混元
允中
WorkBuddy重大升级，AI时代的Office来了2026-07-30
国产算力正在进入Token标准化时代2026-06-18
为什么最有价值的AI讨论总发生在知乎？2026-06-17
一个模型控制手脚腰身！机器人终于学会全身协同干精细活了2026-06-16
扫码分享至朋友圈
// 设置参数方式
var qrcode = new QRCode('qrcode', {
text: 'https://www.qbitai.com/2026/08/465973.html',
width: 256,
height: 256,
colorDark : '#000000',
colorLight : '#ffffff',
correctLevel : QRCode.CorrectLevel.H
});
var weixin_qrcode = document.getElementById('weixin_qrcode');
var qrcode = document.getElementById('qrcode');
$(document).click(function(){
分享
阅读原文 ↗