阿里发布Fun-ASR1.5语音识别大模型：支持30种语言与七大方言

语音识别技术正迎来重大突破。阿里近日发布Fun-ASR1.5语音识别大模型，这是端到端语音识别领域的最新成果。该模型实现了单模型高精度识别30种语言的能力，覆盖中文七大方言体系及二十余种地方口音，同时强化了古诗词诵读的专项识别功能。从“听得更全、听得更准”到“写得更规范”，Fun-ASR1.5让语音转写从能用走向好用。

跨语言无缝切换：Code-Switching难题的突破

在多语言识别方面，Fun-ASR1.5展现出强大的能力。作为单一模型，它可以精准识别欧洲、东亚、东南亚、南亚及中东的主流语种，覆盖中文、英语、日语、韩语、法语、德语、西班牙语、葡萄牙语、俄语、阿拉伯语等30种语言。

方言识别：从“听得懂乡音”到“写得地道”

更值得关注的是，Fun-ASR1.5在跨语言切换场景下表现出色。日常生活中，人们经常在对话中夹杂多种语言，这对传统语音识别系统是巨大挑战。而Fun-ASR1.5无需预设语种标签，就能自动识别并切换语言，保证转写准确性。这种灵活的多语言能力源于模型架构的创新——MoE（混合专家）架构让模型内部可以分工协作，听到特定语言时仅激活相关部分进行处理，因而更为灵活高效。同时，分级、分阶段的精准数据训练，也让模型能更好地应对真实世界中的复杂语音情况。

古诗词识别：让千年韵律被听懂

在中文本土化方面，基于数十万小时真实方言语音数据的训练，Fun-ASR1.5的平均字错误率相比上一版本下降56.2%。无论是上海话、客家话、粤语还是闽南语，模型都能准确识别。更难得的是，它还能“写得地道”，原汁原味还原方言特征，如上海话的“侬”、苏州话“倷”（均指“你”），为下游模型处理方言文字提供了准确的基础语料。

文本规范化：从“能听清”到“看得懂”

不同于现代口语，文言语法特殊、典故生僻字繁多，古诗词识别具有不少挑战：文言语法简练，省略主谓宾；押韵严格，节奏固定；多用典故、异体字、古今异义词；诵读时存在拖腔、停顿、吟咏等非自然语流特征。Fun-ASR1.5对中文古诗词识别进行专项优化，研究团队构建了先秦至近代的古诗词语音-文本对齐语料库，涵盖《诗经》《楚辞》、李白杜甫诗集、苏轼辛弃疾词作等经典文本的真人诵读录音。在内部评测集中，Fun-ASR1.5对古诗词的字符级准确率达到97%，可应用于国学在线课程和有声诗词，助力文化传承。

如有侵权，请联系删除。