豆包发布语音识别模型2.0，支持多模态视觉识别和13种海外语种识别

2025-12-05 15:54:36

每经记者｜李宇彤每经编辑｜陈俊杰

每经北京12月5日电（记者李宇彤）12月5日，火山引擎正式发布豆包语音识别模型2.0（Doubao-Seed-ASR-2.0），依托Seed混合专家大语言模型架构构建。

据官方介绍，2.0版本模型推理能力提升，可以通过深度理解上下文完成精准识别，上下文整体关键词召回率提升20%。支持多模态视觉识别，在听得懂的同时看得懂，可以通过单图和多图等视觉信息输入提升文字识别精准度。支持日语、韩语、德语、法语等13种海外语种的识别。并且重点针对专有名词、人名、地名、品牌名称及易混淆多音字等复杂场景进行了升级。

如需转载请与《每日经济新闻》报社联系。
未经《每日经济新闻》报社授权，严禁转载或镜像，违者必究。

读者热线：4008890008

特别提醒：如果我们使用了您的图片，请作者与本站联系索取稿酬。如您不希望作品出现在本站，可联系我们要求撤下您的作品。

上一篇文章

浙江正特：拟为全资子公司德国ZT提供不超过5000万元担保

返回每经网首页

下一篇文章

易点天下：拟启动境外发行股份（H股）并在港交所上市相关筹备工作