豆包发布语音识别模型2.0,支持多模态视觉识别和13种海外语种识别
凤凰网·2025-12-05 08:55
公司产品发布 - 火山引擎正式发布豆包语音识别模型2.0(Doubao-Seed-ASR-2.0) [1] - 新模型依托Seed混合专家大语言模型架构构建 [1] 模型性能提升 - 模型推理能力提升,可通过深度理解上下文完成精准识别 [1] - 模型上下文整体关键词召回率提升20% [1] - 模型支持多模态视觉识别,可通过单图和多图等视觉信息输入提升文字识别精准度 [1] - 模型重点针对专有名词、人名、地名、品牌名称及易混淆多音字等复杂场景进行了升级 [1] 语言支持扩展 - 模型支持日语、韩语、德语、法语等13种海外语种的识别 [1]