跳到正文

Seed-ASR

基于大语言模型的语音识别模型

访问官网

Seed-ASR 是什么

Seed-ASR 被介绍为由字节跳动公司开发、基于大型语言模型的语音识别模型,它把连续的语音表示和上下文信息输入到 LLM 中。资料称在大规模训练和上下文感知能力的引导下,它在涵盖多个领域、口音方言和语言的评估集上表现提升。

你可以用它做什么

  • 结合连续语音表示与上下文信息进行识别
  • 用对话历史、代理名称和代理描述等信息提高准确性
  • 识别中文、英文以及吴语、粤语、四川话等方言
  • 把用户对字幕的修改作为提示避免后续重复错误

应用场景

  • 企业对会议录音进行实时转写
  • 内容创作者把视频或播客语音转换成文字
  • 教育机构转写课堂录音供复习与评估使用

上手流程

  • 访问官方网站或下载相关 APP
  • 注册并登录账户,选择合适的服务套餐
  • 上传语音文件或直接进行实时语音识别
  • 设置语言、方言等识别参数

优点与缺点

✓ 我们认可的地方

  • 用户对字幕的修改可作为提示,避免后续视频重复同样错误
  • 在商业、教育、娱乐等多个领域提供识别服务
  • 支持中文、英文及多种中国方言

! 需要留意的地方

  • 识别围绕大语言模型与上下文输入构建
  • 语言与方言需作为识别参数进行设置

常见问题

Seed-ASR 由谁开发?

资料说明它由字节跳动公司开发,基于大型语言模型。

公共测试集上报告了什么结果?

资料称在中英文公共测试集上实现了 10%-40% 的词错误率降低。

列出了哪些方言?

资料列出吴语、粤语、四川话等中国方言。

最后评测: 2026-11-15

更多 AI 音频工具 工具

查看全部 →

评测方法