什么值得买App下载 App ›
连续签到专享现金活动

阿里语音模型方言识别实测:5种方言准确率破90%,腾讯豆包讯飞全输了?

会议录音里同事说了句四川话,转写出来却成了普通话——类似这种尴尬,用过语音识别的多半都遇到过。Fun-ASR是阿里通义实验室推出的语音识别模型家族,主打方言和多语言场景的精准识别。从2025年底的基础版到2026年6月的Flash版本,这个系列已经迭代了多个版本,各版本之间能力差异不小,选错了既浪费资源也达不到效果。这里把各版本的核心差异、方言识别实际表现、以及不同场景怎么接入,逐一拆开来聊。
Fun-ASR各版本到底差在哪?
Fun-ASR系列目前主要有三个版本在用:Fun-ASR-Nano、Fun-ASR标准版、以及Fun-ASR 1.5和Fun-ASR-Flash两个最新迭代。简单来说,Nano是轻量版,参数小(0.2B音频编码器+0.6B LLM解码器),体积只有标准版的十分之一左右,适合本地部署或边缘设备。但Nano的幻觉问题比较明显,在低噪音场景下可能出现无中生有的内容,严肃场景里这是硬伤。标准版参数更大(0.7B+7B),处理复杂语音时更稳,但需要GPU才能跑起来。1.5版本在标准版基础上强化了方言识别,典型方言场景字错误率相比上一代下降56.2%,方言识别从"能听懂"升级到"听得懂还写得准"。6月刚出的Flash版本则换了混合专家架构,参数配置更灵活,官方称方言语义准确率达到87.8%。1234
跟其他厂商的ASR比起来,Fun-ASR在中方言这块确实有优势。内部评测里,Fun-ASR-Flash在十六种方言上平均语义准确率87.8%,高于腾讯云的74.3%、豆包的72.2%和讯飞的69.4%。但需要注意,这些数据来自官方发布的内部评测集,实际效果还得看具体场景。追求极致中文精度的话,FireRedASR v2的CER能做到2.89%,只是需要GPU;想要CPU实时跑,SenseVoice-Small和Paraformer更合适。如果你的场景既要方言识别又要多语言混合,Fun-ASR目前是综合表现比较均衡的选择。51
方言识别到底准不准?
方言识别是Fun-ASR的核心卖点。官方数据显示,官话区方言表现最稳:河南话97.4%、济南话96.8%、四川话95.9%,已经接近普通话的识别水准。吴语区的温州话和宁波话分别是79.7%和81.7%,虽然比不上官话,但相比行业平均已经领先不少。有用户在山西县城实测,自己家乡话的识别准确率超过80%,只有极少数地方特有的词汇会出错。5种方言准确率突破90%,15种超过80%,这个数字来自内部评测,真实场景里高频使用的方言基本够用了。5637
Fun-ASR 1.5还有个亮点是能"写得地道"。上海话的"侬"、苏州话的"倷"、粤语的"嘅"这些方言特有词汇,不会被强行转成普通话,而是原样保留下来。对于需要保留方言特色的内容生产场景,这个能力很有价值。另外,古诗词识别专项优化后,字符级准确率达到97%,文言语法、典故、吟咏拖腔都能处理。有用户实测会议录音,识别准确率超过95%,背景噪音和敲键盘声基本能过滤掉,不会转成文字。89104
怎么接入最合适?
Fun-ASR目前有两条接入路径。魔搭社区可以直接在线体验,传音频文件或者实时录音都行,不需要注册API。适合想先试试效果、不想折腾技术对接的用户。开发者层面,阿里云百炼提供API调用,Fun-ASR 1.5和Fun-ASR-Flash都已在平台上架,按调用量计费。魔搭社区适合快速验证,百炼API适合正式接入生产环境。本地部署也支持,Fun-ASR支持完全离线,数据不出域,适合对安全性要求高的政企场景。FunASR开源版本在GitHub上已经有一万七千多星标,MIT协议免费使用,内置说话人分离、情感识别、流式识别,GPU上比Whisper快170倍。111289
选哪个版本还得看实际需求。如果做实时字幕或直播,Fun-ASR-Flash的首字延时可以低至百毫秒级别,话音刚落文字就开始呈现。会议录音这种离线场景,Fun-ASR综合性价比最高,有用户拿23分钟的真实会议录音测试,Fun-ASR的WER是13.54%,处理时间31秒,比火山seedasr标准版快但略慢于极速版。如果更看重准确率而愿意等更久,火山seedasr标准版WER能到11.44%,是这轮测试里最准的。iOS录音建议用spokenAudio模式,比measurement和voiceChat模式的识别效果都好。1314
Fun-ASR适合你吗?
综合各方信息,Fun-ASR的优势区间比较明确:方言场景、多语言混合对话、需要原汁原味保留方言词汇。在官话区和常见方言上表现稳定,吴语等难点方言也领先行业平均水准。但如果追求极致中文精度且有GPU,火山seedasr和FireRedASR是更强的选择;如果要在CPU或移动端跑,SenseVoice-Small和Paraformer更轻量。实时性要求极高的场景可以关注Flash版本,企业用户对数据安全有要求的话可以走本地部署。拿不准的话,魔搭社区先试十分钟,比看一百篇评测都有用。1

评论

评论区空态插画

当前文章无评论,是时候发表评论了