语音交互正迎来新的技术跨越。近日，通义千问大模型正式宣布升级其核心音频能力，推出了全新的实时语音识别模型 Fun-ASR-Realtime。
该模型在性能指标上实现了显著突破，其首字识别延迟被精准控制在百毫秒级别，确保了用户在交互时能够感受到“即说即反馈”的流畅体验。在准确度方面，该模型表现出色，其识别水准已逼近行业领先的离线识别模型，真正实现了实时性与高质量的有机统一。
为了满足多样化的应用需求，Fun-ASR-Realtime 具备了广泛的语言覆盖能力，不仅支持多达30种语言的识别处理，还特别强化了对中文方言的理解，目前已能够识别包括16种方言在内的复杂语音输入。
这一技术的升级，不仅为语音助手、会议速记等实时交互场景提供了更坚实的底层支撑，也进一步拓宽了通用大模型在多语言、多方言环境下的应用边界。随着模型的正式上线，开发者与企业用户将能够更便捷地构建出具备高灵敏度与高准确率的智能语音应用，让 AI 交互变得更加自然与人性化。
