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。实通义测数据显示，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Fu为大语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n-技术，结合前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AS增强方案，支持超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R语记录，显著优化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、语种混淆及生成音模幻觉等痛点，研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，型升系统稳定性与可靠性获实质性提升。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级 于同类产品，同时适应远场拾音、近场降噪等复杂声学环境，覆盖会议室、工位、超市、户外等多元场垂直景。

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

阿里通义技术团队表示，Fun-ASR的进化率跃标志着语音识别技术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，其动态热词更升超新与多模态交互能力将进一步推动语音交互效率革新。