故郷の方言でこのAIをテストしてみませんか？

原作：通義ラボ 2026-04-20 14:02 浙江 ![image](https://wechat2rss.bestblogs.dev/img-proxy/?k=6e61e06f&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_jpg%2FC7WsXj9icr61YQZG56EYv63mcuCN5hicBtB3GSk7DMPF0gDCzhrnXXESU9ufJBPa72KfOwAh8blTv5ytvuJyj7LCGEzON3fTxwiciaA0sjfe92A%2F0%3Fwx_fmt%3Djpeg) 方言認識が「産業級（インダストリアルグレード）の使用」時代へ突入。 あなたの郷語（方言）を、音声認識は聞き取れるでしょうか？ かつての答えは「難しい」でした。方言が口から発せられるやいなや、文字起こしの結果は化けコードや空白になることが多かったです。 しかし、すべてが変化しつつあります…… 通義ラボは公式にFun-ASR1.5をリリースし、「方言の産業級利用」を実現する音声認識大モデル（Speech Recognition Large Model）を発表しました。 統一された大モデルアーキテクチャを基盤とし、単一モデルで30言語、中国語の七大方言体系、および20以上の地方訛りをシームレスにカバーします。古詩の朗読も正確に文字起こし可能です。テストによると、典型的な方言シナリオにおける文字誤り率（CER：Character Error Rate）は相対的に56.2%低下しました。現在、5つの方言で精度が90％を突破し、15つが80％を超えています。 「聞き取り可能」から「理解可能」へ。音声認識は正式に、全シナリオに対応する産業級の新段階へと踏み出しました。 ![image](https://wechat2rss.bestblogs.dev/img-proxy/?k=95498715&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2FC7WsXj9icr63Ohj5KlmkFwIZOa2SsReNZJcHan9zq05Otk0GGibuJFaexQhO2v4qPiaDIONI9kDPGrL3TfJu9ytdfZj2FaYS2ibPjXe1z2Gjq9U%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg) Fun-ASR1.5は「より広く聴く、より正確に聴く、出力をより規範化する」という3つの目標に焦点を当て、「汎用文字起こしツール」から「多言語・多文化理解プラットフォーム」への重要な進化を実現しました。4つの核心突破を、この記事で一目で理解しましょう： 数十万時間の実データによる訓練で、方言認識が「産業級」へ 方言音声データが希少で発音のばらつきが大きいことは、業界において常に深水区とされてきました。Fun-ASR1.5は数十万時間を超える実際の方言音声データで訓練されており、日常会話、地方ニュース、農村行政など多様なシナリオをカバーしています。 カバー範囲の拡大 モデルは中国語の伝統的な七大方言体系（官話／呉語／湘語／贛語／客家語／閩語／広東語）をサポートし、20以上の地域訛りの官話に深く適合しています。中原、西南、冀魯、江淮、蘭銀、膠遼、東北、北京、港台などをカバーし、河南、陝西、湖北、四川、重慶、雲南、貴州、広東、広西、河北、天津、山東、安徽、南京、江蘇、杭州、甘粛、寧夏など20以上の地域を含みます。 重点的な最適化 ビジネス展開において最も頻繁に遭遇するロングテールの課題に対応し、Fun-ASR1.5は以下の方言に対して指向性最適化を行いました： ASR結果：移動通信の料金は比較的お手頃ですが、今のネット速度はまあまあです。とにかく昔ほど重くはありません。 ASR結果：問題集を買ってきて、もし自分ができたら子供に教えてあげてもいいですね。嗯、今はネットが発達しているので、もっと知識を見ることができます。 ASR結果：生姜茶を飲むのは効果があるかもしれませんが、肺炎になってしまったら、抗生物質を使う必要がありますよ。 ASR結果：もともと絵を描くのに没入していたのですが、楼上から電動ドリルの音が聞こえてきて、インスピレーションが全部飛んでしまいました。やはり隣人と相談しましょう。 ASR結果：普段の時間に、スマホの操作を教わっておくといいですよ。なぜなら、あなたは時代に追いついているから、時代の進歩で、あなたも便利になります。 ASR結果：しかし、一人で行くなら、200元か100元の外食費は計算して高くはないでしょう。ビュッフェですよ。肉もあれば、野菜もあり、果物があり、デザートもあります。何があるか計算してみてください。 精度の飛躍的向上 テスト結果によると、典型的な方言音声において、Fun-ASR1.5は前バージョンと比較して平均文字誤り率（CER）が相対的に56.2%低下しました。この能力は、県域の教育ライブ配信、地方行政ホットライン、方言文化ドキュメンタリー制作など、ロングテールではあるが高価値な応用シナリオで活用されつつあります。 ![image](https://wechat2rss.bestblogs.dev/img-proxy/?k=416f77d1&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2FC7WsXj9icr60ft12z7gFGxHN2pj0SXl1SLR9IbB9HMJ9y311qSXLwykQ6ZCOWKf2bhu7fqqDeZoergwDWsLw1YoeHTwWgCco2Al5MibPibibgCI%2F640%3Fwx_fmt%3Djpeg) 本評価は産業用データセットに基づいています⬆️ 1モデルで30言語、異種言語の混合を自由に切り替え Fun-ASR1.5は、以下の主要30言語の正確な認識をサポートします： 東アジアと東南アジア：中国語、日本語、韓国語、ベトナム語、タイ語、インドネシア語、マレー語、フィリピン語 南アジアと中東：ヒンディー語、アラビア語 欧州の主要言語：英語、フランス語、ドイツ語、スペイン語、ポルトガル語、ロシア語、イタリア語、オランダ語、スウェーデン語、デンマーク語、フィンランド語、ノルウェー語、ギリシャ語、ポーランド語、チェコ語、ハンガリー語、ルーマニア語、ブルガリア語、クロアチア語、スロバキア語など ![image](https://wechat2rss.bestblogs.dev/img-proxy/?k=057454fb&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2FC7WsXj9icr6203uSRXfHSzgmw9aNntiaSdfhCx1GBicdfawOTjChlts4YIrCyeTdX8nuATw9JjSOkicbJp4ibzzYndypSamY99le3OmoicQAM6BGw%2F640%3Fwx_fmt%3Djpeg) 本評価はオープンソースデータセットに基づいています⬆️ 統一された多言語訓練フレームワークのおかげで、Fun-ASR1.5は異種言語の会話や、異言語間自由切り替え（コードスイッチング：Code-Switching）シナリオにおいて特に優れたパフォーマンスを発揮します。例えば、以下の複数の言語が交互に現れる音声録音において、モデルは言語タグを事前に設定することなく、音声内容を正確に認識できます。 🔷 英日コードスイッチング ASR結果：We've all had that experience of finally visiting a place we've dreamed about for years,only to find that it doesn't quite live up to our expectations.There's even a term for this in one of the most visited cities in the world,Paris Syndrome.何年も前から行きたかった場所をやっと訪れてみたら、思っていたほどではなかったという経験は誰しもあることだと思います。 この能力はすでに、多国籍企業のリモートコラボレーション、多言語ショート動画コンテンツ制作、国際学術会議の記録など、多くのシナリオで広く応用されており、異言語間のコミュニケーションコストを効果的に削減しています。 古詩認識の特別最適化：千年の韻律を現代技術で「聞き取る」 Fun-ASR1.5は中国語の古詩認識に対して特別最適化を施しており、これは伝統文化のデジタル化に向けた重要な技術的探求です。現代口語とは異なり、古詩には以下の課題があります： 文語文法は簡潔で、主語・述語・目的語が省略され； 韻律が厳格でリズムが固定されており（五言律詩、七言律詩など）、 故事・典拠や異体字、古今で意味が異なる語を多用し； 朗読時には引き伸ばし、休止、詠唱などの非自然な言語流の特徴が存在します。 为此，我们构建了覆盖先秦、汉魏、唐宋、元明清至近代的古诗词语音-文本对齐语料库，包含《诗经》《楚辞》、李白杜甫诗集、苏轼辛弃疾词作等经典文本的真人诵读录音，显著提升高频诗句的识别准确率。 在内部评测集中，Fun-ASR1.5 对古诗词的字符级准确率达到97%。该能力已在国学在线课程、有声诗词APP等场景应用，未来有望助力中小学语文教育与非遗文化传承。 ASR结果：1）蓬山此去无多路，青鸟殷勤为探看。2）子夏曰，博学而笃志，切问而近思，仁在其中矣。 文本输出更规范、更易用：从“能听清”到“看得懂” 语音识别的最终价值在于生成可直接使用的文本。Fun-ASR1.5 在后处理环节重点优化了两项能力： 标点预测更加智能 模型基于上下文语义自动插入逗号、句号、问号、感叹号等标点，使转写结果接近书面表达。例如： 输入语音：“今天天气怎么样啊我想出去走走但又怕下雨” 输出文本：“今天天气怎么样啊？我想出去走走，但又怕下雨。” 文本归一化（ITN）表现进一步提升 将口语中的非标准表达自动转换为规范格式： 数字：“三千五百六十二” → “3562” 日期：“二零二六年三月二十九号” → “2026年3月29日” 金额：“五万八千块” → “58000元” 电话：“幺三八零零幺三八零零零” → “13800138000” 这些改进大幅降低后期编辑成本，特别适用于会议纪要生成、新闻采访整理、法律笔录等对文本规范性要求高的场景。 目前，Fun-ASR1.5 已在 阿里云百炼平台 正式上线，面向教育、传媒、金融、科技、文化等各行业客户提供 API 服务。开发者可通过简单几行代码调用模型能力： ```python from http import HTTPStatus from dashscope.audio.asr import Transcription import dashscope import os import json # 以下为北京地域url，若使用新加坡地域的模型，需将url替换为：https://dashscope-intl.aliyuncs.com/api/v1 dashscope.base_http_api_url = 'https://dashscope.aliyuncs.com/api/v1' # 新加坡和北京地域のAPI Key不同。获取API Key：https://help.aliyun.com/zh/model-studio/get-api-key # 若没有配置环境变量，请用百炼API Key将下行替换为：dashscope.api_key = "sk-xxx" dashscope.api_key = os.getenv("DASHSCOPE_API_KEY") task_response = Transcription.async_call( model='fun-asr', file_urls='https://dashscope.oss-cn-beijing.aliyuncs.com/samples/audio/paraformer/hello_world_female2.wav' ) transcribe_response = Transcription.wait(task=task_response.output.task_id) if transcribe_response.status_code == HTTPStatus.OK: print(json.dumps(transcribe_response.output, indent=4, ensure_ascii=False)) print('transcription done!') ``` 开源 Demo 体验同步开放，欢迎立即体验 Fun-ASR 1.5，测测你的家乡话： 阿里云百炼地址：https://bailian.console.aliyun.com/cn-beijing?tab=model#/efm/model_experience_center/voice?modelId=fun-asr 魔搭社区在线体验：https://modelscope.cn/studios/iic/FunAudio-ASR 在评论区留言告诉我们：你用了哪种方言、转写结果准不准。我们将挑选有意思的反馈，送出定制周边～ 关于 Fun-ASR：Fun-ASR 是通义实验室自主研发的端到端语音识别大模型，基于数千万小时真实语音数据训练，具备低延迟、高鲁棒性、强上下文理解等核心优势。Fun-ASR1.5 标志着 Fun-ASR 从“通用语音转写工具”向“多语言、多方言、多文化理解平台”的关键演进。未来，团队将持续投入语音大模型研发，推动语音技术在更广阔的社会场景中创造价值。 推荐阅读 ![image](https://wechat2rss.bestblogs.dev/img-proxy/?k=8a1b5e70&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2FC7WsXj9icr61tucseGNgvxscliaJ8njSIQwS5SFs31UTgtNCB7FsFR5CQwq0CtUQxXT61E4QxVLag24pF13Vv1wic4Uz4X1FRyZFhzQdr5kMPI%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg%26tp%3Dwebp%26wxfrom%3D5%26wx_lazy%3D1%23imgIndex%3D5) Qwen3.6-Plus：编码智能体能力全面跃升！ ![image](https://wechat2rss.bestblogs.dev/img-proxy/?k=8b33d122&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2FC7WsXj9icr63vHgoxX0uJFSKicrEytsic624cnOfCJ1hLcW0N1mrS0UscSCDBaHRd8kIGXnJjC3YEQ47jy91lWONXR1aGeXJibAsSr281mHOZzA%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg) FIPO：只改变2%的Token，突破大模型推理瓶颈 跳转微信打开

故郷の方言でこのAIをテストしてみませんか？

背景や根拠まで確認しますか？

このニュースを、実務の判断につなげる

調べる

選ぶ

サイト