Fun-ASR是由钉钉与通义实验室联合发布的新一代语音识别大模型，旨在为企业提供更强大、灵活的语音转写能力。
一、主要功能
-
高效语音转写
-
Fun-ASR能够高效转写各种复杂的语音信号，无论是背景噪音较大的环境，还是含有大量行业术语的专业对话，都能准确无误地进行转写。
-
-
精准行业术语识别
-
该模型经过上亿小时音频数据的训练，结合钉钉多行业客户的真实场景共创，能够准确理解互联网、科技、家装、畜牧等十多个领域的专业术语。
-
-
多语言与口音支持
-
Fun-ASR支持多种语言和口音识别，包括普通话、粤语、英语等主流语言，还能有效处理各地方言和非标准发音。
-
-
上下文感知优化
-
模型可结合企业在钉钉内的已有信息（如通讯录、日程、知识库等）进行推理优化，有效缓解大模型可能出现的幻觉问题，提供更可靠的转写结果。
-
-
企业专属定制训练
-
Fun-ASR提供专属模型定制训练服务，允许企业根据自身业务特点和术语库进行深度优化，从而获得更契合业务场景的语音识别能力。
-
二、技术原理
-
海量数据训练
-
Fun-ASR经过上亿小时音频数据的训练，涵盖多种行业和场景，能准确理解不同领域的专业术语。
-
-
行业共创优化
-
结合钉钉多行业客户的真实场景共创，模型在多个领域表现出色，显著提升了专业术语的识别准确率。
-
-
上下文推理优化
-
模型可结合企业在钉钉内的已有信息进行推理优化，有效缓解大模型可能产生的幻觉问题。
-
-
端到端训练架构
-
基于高效的端到端训练架构，Fun-ASR能利用企业提供的真实场景语音数据进一步优化算法，提升专属词汇的识别准确率。
-
-
自定义热词支持
-
提供企业自定义热词能力，最多可支持1000+热词导入，进一步优化对生僻词汇和专属术语的识别。
-
三、应用场景
-
企业会议
-
Fun-ASR可集成到钉钉的会议字幕与同传、智能纪要等功能模块中，为企业级语境提供稳定、高效、易扩展的语音识别基座。
-
-
智能家居
-
在智能家居领域，Fun-ASR能够精准识别用户的语音指令，实现更加智能的家居控制。
-
-
跨国会议
-
Fun-ASR可以实时提供多语种的同声传译服务，确保沟通无障碍。
-
四、使用方法
-
Docker安装
-
使用Docker安装Fun-ASR，通过拉取并启动Fun-ASR软件包的Docker镜像来使用。
-
-
直接推理
-
可以直接将输入音频解码为目标文本。
-
-
微调
-
加载预训练模型，并使用私有或开源数据进一步训练。
-
五、适用人群
-
企业用户
-
Fun-ASR主要面向企业用户，特别是对语境理解和识别准确率有较高要求的场景。
-
-
行业专家
-
对于需要高精度语音转写的企业专家，如医疗、金融、法律等领域，Fun-ASR能够提供精准的术语识别。
-
六、优缺点介绍
-
优点
-
高准确性：经过海量数据训练和行业共创优化，Fun-ASR在多个领域的专业术语识别准确率较高。
-
多语言支持：支持多种语言和口音识别，适用于跨国企业和多元文化环境。
-
个性化定制：提供企业专属模型定制训练服务，满足不同企业的个性化需求。
-
-
缺点
-
依赖钉钉平台：Fun-ASR的功能与钉钉平台紧密结合，对于不使用钉钉的企业来说，可能无法充分利用其功能。
-
技术复杂性：对于非技术用户来说，模型的微调和定制可能需要一定的技术知识。
-
分类标签 语音识别、企业协作、人工智能、多语言支持、个性化定制
Scribe v1支持99种语言的高精度转录，尤其在英语（准确率96.7%）和意大利语（准确率98.7%）上表现出色。