什么值得买App下载 App ›
连续签到专享现金活动

阿里语音大模型登顶国际评测,国产AI实现全球领先

事件速览
  1. 核心事件:阿里语音大模型Fun-Realtime系列日前在国际权威评测平台Artificial Analysis登顶,在“听准”“听懂”“会聊”三项核心指标上全面超越GPT-Realtime-2
  2. 关键数据:Fun-Realtime-ASR词错误率低至1.8%,Fun-Realtime-AudioChat在语音推理与对话动态方面得分均超97%
  3. 技术能力:模型支持30+种语言及七大中文方言,具备毫秒级响应能力,已深度集成于千问App、高德地图及钉钉等应用
  4. 行业意义:此次夺冠标志着国产AI在语音垂直领域实现全球领先,技术竞争重心正从单纯的语音转写向实时语义理解跃迁
展开说说
从“听得见”到“听得懂”
此次阿里Fun-Realtime系列在Artificial Analysis榜单上的表现,验证了其“垂直场景深度优化”技术路径的有效性。与单纯追求转写准确率不同,Fun-Realtime-AudioChat实现了语音层的端到端理解,即在毫秒级响应的同时,能够精准处理多步逻辑与复杂意图。这种能力在真实场景中极具价值——例如在高德地图中,AI不仅能识别模糊的导航指令,还能像真人领航员一样根据对话节奏自然交互;在千问App中,意图识别准确率高达98.7%,意味着AI购物助手能更精准地捕捉用户需求。这标志着语音AI的竞争已跨越了“转文字”的初级阶段,正式迈入“实时理解与交互”的深水区。
全栈自研的生态闭环
支撑这一技术突破的,是阿里从算力到应用的全栈AI布局。Fun-Realtime系列依托平头哥真武M890芯片、阿里云算力底座以及通义千问大模型能力,构建了完整的AI闭环。相比OpenAI侧重开放API的路线,阿里展现了极强的生态整合能力:该模型不仅支持30+语言和20+地区口音,更针对中文场景做了深度优化,支持粤语、四川话等七大方言。目前,该技术已通过企业级定制接口适配金融、医疗等垂直场景,实测显示在特定行业热词适配后,专有名词错误率可下降60%。这种“底层模型+行业落地”的模式,正是国产AI在垂直领域实现超车的关键。
改写行业格局的隐形冠军
虽然大语言模型(LLM)的文本生成能力常占据头条,但语音交互作为人机沟通的最自然界面,其战略地位正在极速攀升。阿里此次在语音领域的全面登顶,特别是在嘈杂环境(-5dB信噪比)下仍能保持低错误率,实际上补齐了通义千问生态中实时交互的关键入口。这也引发了业界对AI同传未来命运的讨论:随着“识别—理解—对话”三重门的全面突破,传统人工翻译的职责或将转向更高阶的人机协作与润色。对于用户而言,这意味着更流畅的车载语音、更智能的会议纪要生成以及无障碍沟通体验的全面升级。
历史事件回溯
当前事件
阿里语音大模型登顶Speech Arena国产第一
  • 评测成绩:登顶Speech Arena国产第一
  • 模型归属:阿里通义千问系列语音模型
  • 技术背景:依托通义大模型与Token Foundry架构
2025年11月
阿里通义千问Qwen-Audio登顶VoxSRC
  • 评测成绩:VoxSRC语音识别赛道全球第一
  • 模型归属:通义千问Qwen-Audio语音模型
  • 技术背景:基于Qwen大模型底座优化音频理解
2024年6月
阿里发布通义听悟,进军语音AI市场
  • 评测成绩:未参与国际权威语音评测
  • 模型归属:通义听悟语音处理系统
  • 技术背景:集成会议记录、语音转写等实用功能

评论

评论区空态插画

当前文章无评论,是时候发表评论了