Seed-ASR es un modelo de reconocimiento de voz basado en modelos lingüísticos de gran tamaño (Large Language Model, LLM) desarrollado por ByteDance. Al introducir la representación continua del habla y la información contextual en el LLM, y aprovechando las capacidades del LLM, guiado por el entrenamiento a gran escala y la capacidad de comprensión contextual, se ha mejorado significativamente el rendimiento en conjuntos de evaluación integrales que incluyen múltiples dominios, acentos/dialectos e idiomas. En comparación con los modelos ASR de gran tamaño lanzados recientemente, Seed-ASR ha logrado una reducción del 10% al 40% en la tasa de error de palabras en conjuntos de pruebas públicos de chino e inglés, lo que demuestra aún más su potente rendimiento.