周大 发表于 2025-12-7 15:49:25

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

火山引擎发布豆包语音识别模型2.0，基于Seed架构提升推理能力，关键词召回率提高20%，支持多模态视觉输入与13种外语识别，并优化专有名词、多音字等复杂场景的识别效果。
来源：https://tech.ifeng.com/c/8oq4FlMy9wD
页: [1]
查看完整版本: 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