腾讯混元发布Hy ASR 3.0：方言/噪声/远距语音识别新突破

腾讯混元于2026年8月6日正式发布Hy ASR 3.0预览版语音识别模型，并已在腾讯元宝应用程序中全面开放，所有用户均可免费使用。

该模型基于Hy3基座大模型，首次实现声学建模与语义理解的深度融合，突破传统语音识别仅依赖声学特征进行机械转写的局限，在多方言口音、高噪声环境、远距离拾音等复杂条件下，仍能持续输出高准确率文本。

模型已覆盖全国十大方言区及二十余种细分方言，包括粤语、吴语、西南官话、中原官话等主流方言口语，支持用户以自然语态直接对话，无需刻意调整为标准普通话发音。

无论是日常闲谈，还是用家乡话口述文案，系统均能准确识别并理解语义。例如，在烹饪过程中以粤语询问某种调料的配比，模型不仅能识别语音内容，还能结合上下文准确解析意图并给出相应反馈，省去人工转译方言为普通话的中间环节。

技术底层融合Hy3大语言模型能力，使语音识别不再停留于字面转写，而是具备上下文感知能力：可自动校正同音词歧义，动态匹配领域热词与专业表达，显著提升语义连贯性与实用性。

实测数据显示，该模型在普通话识别任务中的词错误率为3.34%，粤语为3.12%，英语为2.62%，整体精度位居当前行业前列。

架构层面采用自主研发的无监督语音编码器，并整合Hy3的上下文纠错机制，可依据对话前后文智能修正同音混淆、模糊发音等误判问题；同时针对厨房背景噪音、户外交通声、多人交谈等典型干扰场景进行了专项降噪优化，对长时音频录制、低音量耳语以及远距离收音等挑战性输入，亦能保持转写结果的完整性与连贯性。

普通用户只需在元宝App的对话界面长按语音输入按钮，即可即时启用全新识别功能；企业开发者可通过云服务平台调用Hy ASR 3.0预览版商用API，广泛适配智能客服响应、会议录音实时转写、车载语音交互、短视频自动字幕生成等多元应用场景；腾讯内部多款生产力工具，如WorkBuddy，也正有序推进模型集成与功能升级。