语音识别

阿里云正式开源全球首个原生端到端全模态AI模型Qwen3-Omni，实现文本、图像、音频、视频同步处理，22项基准测试达SOTA水平，支持119种语言，将推动自动驾驶、智能座舱等场景技术落地。

深度逻辑智能发布全球首个完全开源语音大模型LLaSO，支持87种语言高精度识别，噪声环境准确率提升23%，适用于智能家居、车载交互及医疗金融领域，推动语音AI技术协同创新与产业生态发展。

OpenAI Evals推出原生音频评估功能，支持直接上传音频文件进行端到端测试，消除转录失真，提升40%评估可信度。适用于语音助手、语音识别及AI语音生成的质量监控，加速语音AI产品迭代。

阿里巴巴2025年发布Qwen3-ASR-Flash语音识别模型，支持11种语言，极端噪声环境下识别准确率超92%，功耗低于0.5W，适用于直播、客服、会议等多场景，现已在ModelScope开放体验...

钉钉与通义实验室联合发布Fun-ASR语音识别大模型，基于亿小时行业数据训练，提升保险、家居、畜牧等领域识别准确率20%，支持企业定制热词，集成钉钉会议与语音助手功能。