阿里通义实验室近日宣布，其自主研发的语音识别大模型Fun-ASR1.5已正式面向公众开放使用。这款模型突破了传统语音识别工具在多语言场景下的应用局限，通过统一的底层架构设计，实现了对全球30种语言的广泛支持，同时深度覆盖汉语七大方言体系及超过20种地方口音的精准识别。
在技术验证阶段，Fun-ASR1.5展现出显著的性能优势。实验室测试数据显示，针对方言场景的识别任务中，该模型较前代版本字错误率（CER）降低56.2%，其中5种方言的识别准确率突破90%阈值，另有15种方言的准确率达到80%以上。特别值得关注的是，模型对古诗词吟诵等特殊语音场景的转写能力达到行业领先水平，能够准确捕捉韵律特征与文化语境。
该模型的创新性体现在其跨语言处理机制上。研发团队通过构建多维度语音特征库，使模型能够自动适配不同语言的声学模型与语言模型，无需针对特定语种单独训练。这种设计不仅降低了多语言应用的开发成本，更显著提升了模型在混合语言场景下的识别稳定性。目前，Fun-ASR1.5已支持包括粤语、吴语、闽南语等在内的汉语方言体系，以及英语、法语、阿拉伯语等国际主流语言。
