腾讯发布语音识别模型Hy ASR 3.0 preview：中文普通话词错误率为3.34%

刘绪刚

凤凰网科技讯 8月4日，腾讯混元发布新一代语音识别模型Hy ASR 3.0 preview。该模型基于最新大语言模型Hy3，融合语音识别与深度语义理解，旨在从“逐字转写”演进为“理解语境、兼容场景”。在开源评测集中，Hy ASR 3.0 preview的中文普通话WER（词错误率）为3.34%，英语为2.62%，粤语为3.12%。

技术层面，模型采用MoE架构，基座模型升级为Hy3，自研无监督语音Encoder通过数千万小时级语音数据训练，并引入多阶段强化学习优化。Hy ASR 3.0重点提升了通用识别、上下文意图理解（如智能纠错同音词）、专词识别（支持热词注入）及复杂声学环境（高噪、耳语）下的稳定性。
目前该模型已上线腾讯云提供API服务，元宝已首发上线并免费开放方言识别、上下文纠错等功能，WorkBuddy等产品也在陆续接入中。