4月20日，阿里通义实验室推出了语音识别大模型Fun-ASR1.5，该模型基于统一的大模型架构，能够覆盖30种语言、汉语七大方言体系及20+地方口音，甚至能够精准转写古诗词吟诵。Fun-ASR1.5已在阿里云百炼平台正式上线，为教育、传媒、金融、科技、文化等行业提供API服务。该模型在跨语言切换场景下表现出色，无需预设语种标签即可自动识别并切换，确保转写准确性。其背后的MoE架构让模型内部分工协作，提高了灵活性和效率。

Fun-ASR1.5在中文本土化方面表现突出，基于数十万小时的真实方言语音数据，其平均字错误率（CER）相比上一版本下降56.2%。此外，该模型还对中文古诗词识别进行了专项优化，构建了先秦至近代的古诗词语音-文本对齐语料库，内部评测集中对古诗词的字符级准确率达到97%。模型还能自动插入标点符号，将口语中的非标准表达转换为规范格式，如数字、日期、金额和电话等，大大降低了后期人工校对和编辑成本。用户可在阿里云百炼平台调用其API，或在魔搭社区直接体验。