火山引擎发布豆包语音识别模型2.0

智通财经APP获悉，12月5日，火山引擎正式发布豆包语音识别模型2.0(Doubao-Seed-ASR-2.0)。模型推理能力提升，通过深度理解上下文完成精准识别，上下文整体关键词召回率提升20%；支持多模态视觉识别，不仅“听懂字”还能“看懂图”，通过单图和多图等视觉信息输入让文字识别更精准；支持日语、韩语、德语、法语等13种海外语种的精准识别。

豆包语音识别模型依托 Seed 混合专家大语言模型架构构建，在延续1.0版本中20亿参数高性能音频编码器优势的基础上，重点针对专有名词、人名、地名、品牌名称及易混淆多音字等复杂场景进行优化升级。而更强的上下文推理能力，让模型实现多模态信息理解、混合语言精准识别能力。