阿里这波牛了！贼能打的实时语音识别模型，之前影视飓风100小时荒岛直播全程用的就是它，6万多条字幕愣是没掉过链子。 和普通实时字幕不一样，它首字延迟才百毫秒，话音刚落字就蹦出来，长句子也不拖尾，准确率直接逼近离线模型，之前直播里Tim说“夜鹭”一开始误打成“叶鹿”，补了观鸟的上下文立刻自动改，离谱的是16种方言、30种语言都能认，连温州话这种公认难懂的方言都能有80%以上的准确率，吴语、闽南语、客家语这些复杂方言识别率直接吊打同类产品，出海用的泰语、印尼语、西班牙语也专门优化过，工业嘈杂远场场景也能扛。
以后还有学外语的焦虑了吗？