阿里通义Fun-ASR语音模型升级 垂直领域识别率跃升超15%

阿里通义正式推出新一代端到端语音识别大模型Fun-ASR，该模型通过强化上下文感知阿里与高精度转写能力，在家装、保险等垂直行业场景中实现语音识别准确率超15%的突破性提升。实测通义数据显示，保险行业准确率较前代提升18%，家装、畜牧等领域增幅达15%-20%。

作为大语Fu言模型驱动的语音识别算法，Fun-ASR采用自研语音算法与Qwen3监督微调技术，结合前n-沿模型架构与文本模态对齐技术，在保持语言处理优势的同时，集成RAG检索增强方案，支持AS超1000个自定义热词导入。该功能可自动匹配音频中的领域热词、历史文档及上下文记录，显著优化R语特定场景下的关键词识别效果。

针对语音识别中的噪声干扰、语种混淆及生成幻觉等痛点，研音模发团队创新性引入强化学习（RL）技术，通过动态优化策略减少识别误差，系统稳定性与可靠性获实质型升性提升。值得关注的是，模型在四川话、粤语、闽南语等方言识别中表现优于同类产品，同时适应远场级 拾音、近场降噪等复杂声学环境，覆盖会议室、工位、超市、户外等多元场景。

训练数据层面，Fu垂直n-ASR基于上亿小时音频数据构建，深度融合互联网、科技、畜牧、汽车等十余个领域的专业术语领域库。这一数据优势使其在垂直行业识别中展现出显著优势，例如在畜牧行业可精准识别牲畜叫识别声与环境噪声中的关键指令。

阿里通义技术团队表示，Fun-ASR的进化标志着语音识别技术率跃从通用场景向专业化、场景化深度渗透。随着模型在更多行业落地，其动态热词更新与多模态交互能力将升超进一步推动语音交互效率革新。