GLM-ASR – 智譜開源的語(yǔ)音識(shí)別系列模型

智譜AI最新推出的GLM-ASR系列，為語(yǔ)音識(shí)別領(lǐng)域帶來(lái)了革新。該系列包含性能卓越的云端模型GLM-ASR-2512，以及為開發(fā)者量身打造的開源模型GLM-ASR-Nano-2512。

GLM-ASR：智能語(yǔ)音識(shí)別的全新篇章

GLM-ASR系列是智譜AI在語(yǔ)音技術(shù)領(lǐng)域的重要布局，旨在提供高效、智能的語(yǔ)音轉(zhuǎn)寫服務(wù)。其中，GLM-ASR-2512憑借其全球領(lǐng)先的性能，在多場(chǎng)景、多語(yǔ)種、多口音的復(fù)雜環(huán)境下，將字符錯(cuò)誤率（CER）降至驚人的0.0717。而GLM-ASR-Nano-2512，這款擁有1.5B參數(shù)的端側(cè)模型，不僅在開源領(lǐng)域樹立了新的SOTA標(biāo)桿，更在方言識(shí)別、低音量語(yǔ)音捕捉等方面表現(xiàn)出色，同時(shí)兼顧了用戶至關(guān)重要的隱私保護(hù)與低延遲需求。基于GLM-ASR-Nano-2512，智譜AI輸入法能夠?qū)崿F(xiàn)語(yǔ)音轉(zhuǎn)文字、實(shí)時(shí)翻譯、內(nèi)容改寫等一系列強(qiáng)大功能，極大地推動(dòng)了語(yǔ)音交互向更智能、更高效的方向發(fā)展。

GLM-ASR的核心能力

• 非凡的語(yǔ)音轉(zhuǎn)文字精度：該模型能夠?qū)崟r(shí)將語(yǔ)音轉(zhuǎn)化為文本，其卓越的多場(chǎng)景、多語(yǔ)種、多口音適應(yīng)性，加上極低的字符錯(cuò)誤率，確保了高水準(zhǔn)的識(shí)別準(zhǔn)確性。
• 方言與細(xì)微語(yǔ)音的捕捉大師：GLM-ASR在粵語(yǔ)等方言的識(shí)別上表現(xiàn)突出，即使是極低的音量（如耳語(yǔ)），也能被精準(zhǔn)捕捉并轉(zhuǎn)化為文字。
• 本地運(yùn)行，隱私無(wú)憂：GLM-ASR-Nano-2512支持在本地設(shè)備上運(yùn)行，無(wú)需將敏感的語(yǔ)音數(shù)據(jù)上傳至云端，充分保障了用戶隱私，同時(shí)顯著降低了交互時(shí)的延遲。
• 賦能智能交互與多樣化應(yīng)用：依托GLM-ASR，智譜AI輸入法能夠?qū)崿F(xiàn)翻譯、改寫、情緒轉(zhuǎn)換等多種智能操作，并提供“人設(shè)”切換功能，滿足用戶在不同場(chǎng)景下的個(gè)性化表達(dá)需求。
• 為開發(fā)者提供強(qiáng)大支持：面向開發(fā)者，GLM-ASR推出了“語(yǔ)感編程”功能，允許用戶通過(guò)語(yǔ)音描述代碼邏輯和注釋，快速查找指令，甚至完成復(fù)雜的數(shù)學(xué)計(jì)算或腳本編寫。
• 個(gè)性化詞匯，精準(zhǔn)識(shí)別無(wú)障礙：用戶可以導(dǎo)入自定義詞匯、項(xiàng)目代號(hào)、生僻人名及地名等，顯著提升模型在特定領(lǐng)域的識(shí)別精度。

GLM-ASR的卓越性能

• GLM-ASR-2512：在復(fù)雜多變的實(shí)際應(yīng)用場(chǎng)景中，其字符錯(cuò)誤率（CER）僅為0.0717，處于行業(yè)前沿地位。
• GLM-ASR-Nano-2512：在多項(xiàng)權(quán)威基準(zhǔn)測(cè)試中，該模型取得了平均4.10%的低錯(cuò)誤率，刷新了開源模型在性能上的最高紀(jì)錄（SOTA）。

如何體驗(yàn)GLM-ASR

• 便捷的云端調(diào)用：只需訪問智譜開放平臺(tái)并完成注冊(cè)，即可輕松調(diào)用最新的GLM-ASR-2512云端模型。
• 靈活的本地部署：智譜為開源社區(qū)提供了GLM-ASR-Nano-2512模型（1.5B參數(shù)），非常適合在本地設(shè)備上運(yùn)行。模型的權(quán)重和推理代碼已公開發(fā)布，開發(fā)者可下載并將其集成到自己的項(xiàng)目中，滿足隱私保護(hù)或離線使用的需求。

GLM-ASR的廣泛應(yīng)用前景

• 辦公效率提升利器：在會(huì)議場(chǎng)景中，GLM-ASR可實(shí)時(shí)轉(zhuǎn)錄語(yǔ)音為文字，自動(dòng)生成會(huì)議紀(jì)要，極大地提升了辦公效率。
• 語(yǔ)言學(xué)習(xí)的得力助手：GLM-ASR能夠輔助學(xué)生進(jìn)行口語(yǔ)練習(xí)，提供多語(yǔ)言翻譯和發(fā)音糾正，成為語(yǔ)言學(xué)習(xí)過(guò)程中的得力助手。
• 開發(fā)者編程的加速器：開發(fā)者可以借助GLM-ASR的“語(yǔ)感編程”功能，通過(guò)語(yǔ)音描述代碼邏輯，快速生成代碼，顯著提高開發(fā)效率。
• 視頻內(nèi)容創(chuàng)作的福音：該模型能夠?yàn)橐曨l自動(dòng)生成多語(yǔ)言字幕，極大地便利了內(nèi)容的創(chuàng)作與傳播，提升了制作的效率。
• 公共場(chǎng)所的低噪輸入方案：GLM-ASR對(duì)微弱聲音的優(yōu)化識(shí)別能力，使其在圖書館、辦公室等需要保持安靜的場(chǎng)所也能提供便捷的語(yǔ)音輸入體驗(yàn)，同時(shí)保護(hù)了個(gè)人隱私。