वॉइस रिकॉग्निशन के क्षेत्र में, चीनी भाषा पहचान की तकनीक का विकास हमेशा ध्यान आकर्षित करता रहा है। हाल ही में, 小红书 की FireRed टीम ने एक नया ओपन-सोर्स वॉइस रिकॉग्निशन मॉडल लॉन्च किया - FireRedASR। यह बड़े मॉडल पर आधारित वॉइस रिकॉग्निशन सिस्टम विभिन्न मानक टेस्ट सेट पर उत्कृष्ट परिणाम प्राप्त करता है, जो चीनी वॉइस रिकॉग्निशन तकनीक में एक महत्वपूर्ण सफलता को दर्शाता है। FireRedASR का मुख्य मानक है शब्द त्रुटि दर (CER), यह मान जितना कम होगा, मॉडल की पहचान क्षमता उतनी ही बेहतर होगी। हाल की सार्वजनिक परीक्षा में, Fi

21 अगस्त 2024 को वोल्केन इंजन AI नवाचार प्रदर्शनी में शंघाई में, वोल्केन इंजन ने बीन बैग बड़े मॉडल के व्यापक अपग्रेड का प्रदर्शन किया, जिसमें बीन बैग·वर्तमान चित्र मॉडल की लंबी पाठ के लिए अधिक सटीक चित्र-टेक्स्ट मिलान क्षमता शामिल है, बीन बैग·वॉइस रिकॉग्निशन मॉडल कई सार्वजनिक परीक्षण सेटों में सबसे अधिक 40% तक की गलती दर में कमी आई है, और बीन बैग·वॉइस सिंथेसिस मॉडल ने स्ट्रीमिंग वॉइस सिंथेसिस क्षमता को अपग्रेड किया है, जो वास्तविक समय में प्रतिक्रिया करने और सटीक रूप से वाक्य को काटने में सक्षम है। वोल्केन इंजन ने एक संवादात्मक AI वास्तविक समय इंटरएक्शन समाधान भी जारी किया, जो बीन बैग बड़े मॉडल और वास्तविक समय ऑडियो-वीडियो तकनीक को समेकित करता है, अंत-से-अंत की सेवा प्रदान करता है।