语音交互正迈入全新的技术发展阶段。近日，通义千问大模型正式宣布对其核心音频能力进行全面升级，并推出全新一代实时语音识别模型——fun-asr-realtime。
该模型在关键性能维度上取得重大进展，首字识别延迟稳定控制在百毫秒以内，让用户在对话过程中切实享受到“开口即响应”的丝滑体验。在识别精度方面，模型表现卓越，准确率已接近当前业内顶尖的离线识别系统，在保障极致实时性的同时，兼顾了高水准的识别质量，真正达成速度与精度的双重突破。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
为适配全球化与本地化并重的应用场景，Fun-ASR-Realtime 拥有强大的多语言支持能力，可覆盖多达30种语言的语音识别任务，并重点增强了中文方言识别能力，目前已支持包括16类主流方言在内的多样化口音输入。
此次能力跃升，不仅为智能语音助手、在线会议实时转录等强时效性场景提供了更可靠的技术底座，也显著拓展了通用大模型在多语种、多方言现实环境中的落地空间。随着模型正式开放服务，开发者与企业用户将能更高效地集成高响应、高还原的语音理解能力，加速打造更自然、更富人情味的AI交互体验。
