Model suara besar di sebalik DingTalk, menang grand slam "dengar, cakap, berbual"

Minggu ini, keluarga model besar suara Alibaba mencatat prestasi cemerlang di platform penilaian AI global yang berwibawa, Artificial Analysis:

Fun-Realtime-ASR memimpin dunia dengan kadar ralat perkataan yang sangat rendah sebanyak 1.8%;

Fun-Realtime-AudioChat meraih kejuaraan berganda dalam dua metrik: penaakulan suara dan kelancaran dialog;

Fun-Realtime-TTS-Preview menduduki tempat pertama secara domestik dengan skor Elo sebanyak 1190.

Hingga kini, dalam tiga bidang utama iaitu ASR (pengenalan suara), TTS (sintesis suara) dan Chat (perbualan suara), model besar suara Alibaba telah menempati kedudukan teratas di China, mencapai "grand slam".

Pintar Suara Telah Sepenuhnya Menyerap Ke Dalam Pengalaman Produk DingTalk Dan Wukong

Sebagai salah satu platform pelaksanaan aplikasi utama model besar Alibaba, kemampuan model besar suara telah ditukarkan kepada pengalaman produk yang boleh dirasai pengguna melalui DingTalk dan Wukong. Pengguna dapat mengalami keseluruhan senario pintar suara, dari mesyuarat dalam talian hingga perbincangan luar talian, daripada pejabatan berasaskan teks kepada interaksi berasaskan suara, tanpa halangan dalam memahami dialek dan istilah industri seluruh negara, melalui mesyuarat DingTalk, catatan audio AI, mesej suara IM, serta peranti keras seperti DingTalk A1 dan fon telinga pintar Cleer.

Model yang disenaraikan kali ini akan beransur-ansur disambungkan ke produk-produk tersebut, terus meningkatkan pengalaman pengguna dan kecekapan kerja.

Tiga Kemampuan Utama Interaksi Suara: Dengar Tepat, Cakap Lancar, Bual Natural

Kemampuan model besar suara boleh dibahagikan kepada tiga peringkat: dengar tepat (ASR, suara ke teks), cakap lancar (TTS, teks ke suara), dan bual natural (Chat, pemahaman dan dialog suara hujung ke hujung). Ketiganya bekerjasama untuk membina pengalaman interaksi suara yang lengkap.

Tahun lepas, model besar Fun-ASR yang dibangunkan bersama oleh DingTalk dan makmal Tongyi telah digunakan secara meluas dalam pelbagai produk DingTalk.

Dengar Tepat: Menangkap Mesyuarat Kompleks Dan Ungkapan Profesional Secara Tepat

Dalam mesyuarat DingTalk, menghadapi situasi kompleks seperti perbincangan berkumpulan, penyampuk pantas, dan istilah teknikal, Fun-ASR mampu mengenal pasti kandungan secara tepat. Selepas mesyuarat tamat, sistem secara automatik menjana catatan mesyuarat yang hampir "bebas ralat", tanpa perlu pencatatan manual.

Dalam peranti keras AI siri DingTalk A1 dan catatan audio AI, sama ada temubual, nota kuliah atau sesi sumbang saran, hanya perlu rekod satu klik untuk menghasilkan teks struktur berkualiti tinggi. Dengan kemampuan penaakulan suara, AI tidak sekadar "mendengar dengan jelas", tetapi juga "memahami", secara automatik mengekstrak ringkasan, menandakan perkara penting, dan menyusun senarai tugasan.

Mesej Suara IM Ditukar Ke Teks Satu Klik, Sokongan Penuh Untuk Dialeg Dan Loghat

Dalam mesej IM, mesej suara panjang sehingga 60 saat boleh ditukar kepada teks dengan satu klik, dengan ketepatan sangat tinggi, serta sokongan menyeluruh terhadap dialek, loghat dan istilah industri.

Kepelbagaian bahasa di China merupakan cabaran besar bagi pengenalan suara. Berdasarkan model besar suara Alibaba, DingTalk dan Wukong kini telah merangkumi lapan kawasan dialek utama termasuk Mandarin, Wu, Kantonis, Min, Hakka, Gan, Xiang dan Jin, dengan keupayaan pengenalan dialek untuk puluhan bandar mencapai tahap terkemuka di negara ini, manakala ketepatan pengenalan dialek utama melebihi 90%.

Sama ada anda profesional kewangan yang menggunakan loghat Shanghai, peniaga eksport-import yang bercakap Kantonis, atau kakitangan barisan hadapan yang berkomunikasi dalam loghat Sichuan, Henan atau Shaanxi, DingTalk mampu "memahami" anda.

Senarai Artificial Analysis menunjukkan bahawa kadar ralat perkataan model ASR terkini hanyalah 1.8%, yang akan terus meningkatkan ketepatan karangan langsung dan transkripsi mesyuarat.

Cakap Lancar Dan Bual Natural: Perbualan Semula Jadi Dan Respons Pintar

Interaksi suara bukan sahaja memerlukan "dengar tepat", tetapi juga "cakap lancar" dan "bual natural". Pada peranti seperti fon telinga pintar Cleer, kemampuan pengenalan dan sintesis suara yang kuat membuatkan aktiviti seperti mendengar mesej, memberi balasan secara lisan, dan arahan suara semasa perjalanan menjadi lebih lancar dan semula jadi.

Fun-Realtime-TTS-Preview meraih tempat pertama dalam sintesis suara buatan tempatan dengan skor Elo 1190, menjadikan suara AI lebih semula jadi dan penuh emosi, meningkatkan secara menyeluruh pengalaman output suara dalam produk DingTalk dan Wukong.

Fun-Realtime-AudioChat meraih dua kejuaraan global dengan skor penaakulan suara sebanyak 97.6% dan kelancaran perbualan sebanyak 97.8%. Model ini tidak hanya memahami logik makna, tetapi juga mampu menghadapi situasi perbualan sebenar seperti disampuk, soalan susulan, dan peralihan topik, dengan kelancaran interaksi yang hampir setanding manusia.

Menyesuaikan Model Bahasa Industri Secara Mendalam, Benar-Benar "Faham Istilah Pakar"

Model umum mungkin masih gagal memahami istilah seperti "LPR", "syarat pertaruhan", "Gleevec", "semakan semula sivil", menyebabkan risiko ketidakfungsian dalam konteks profesional.

DingTalk dan pasukan suara Alibaba telah bekerjasama untuk melatih model ini agar merangkumi kosakata lengkap dalam industri utama dan niche seperti internet, AI, kewangan, perubatan, undang-undang, automotif, pembuatan, pendidikan dan pentadbiran awam, serta menyesuaikan model bahasa industri secara mendalam.

Dalam bidang kewangan, model ini mampu mengenal pasti istilah seperti "reposisi terbalik", "MLF", "peraturan baru pengurusan aset" secara tepat, meningkatkan ketara kualiti catatan mesyuarat dan rekod pematuhan.

Dalam bidang perubatan, istilah kompleks seperti "metotreksat", "rawatan sasaran EGFR", "perundingan multidisiplin MDT" tidak lagi menjadi buta pengetahuan.

Dalam bidang undang-undang, dari "keuntungan tidak adil" hingga "perolehan baik hati", kandungan rekod mahkamah dan temubual peguam boleh dipulihkan secara tepat.

Dalam pembuatan, ketepatan pengenalan istilah teknikal seperti "toleransi padanan", "pemprosesan CNC", "PPAP" meningkat ketara, menjadikan mesyuarat pengeluaran lebih efisien.

Penyesuaian industri bukan sekadar menambah perkataan ke dalam kamus, tetapi merupakan pengoptimuman mendalam pada peringkat model bahasa, supaya algoritma benar-benar memahami konteks industri, membezakan homofon, mengenal pasti akronim dan istilah slanga industri, memastikan setiap interaksi suara benar-benar "bercakap bahasa pakar, faham budaya kerja industri".

Suara adalah cara komunikasi yang paling semula jadi. Dari "dengar tepat" hingga "dengar faham", daripada "boleh bercakap" kepada "boleh berbual", "grand slam" model besar suara Alibaba bukan sahaja menunjukkan kepimpinan teknologi, tetapi juga lonjakan menyeluruh dalam pengalaman produk. DingTalk dan Wukong akan terus menukar kemampuan AI suara terkemuka dunia ini kepada pengalaman kerja yang mudah dicapai — menjadikan mesyuarat lebih efisien, pencatatan lebih mudah, dan komunikasi melampaui batasan bahasa dan dialek.

We dedicated to serving clients with professional DingTalk solutions. If you'd like to learn more about DingTalk platform applications, feel free to contact our online customer service or email at This email address is being protected from spambots. You need JavaScript enabled to view it.. With a skilled development and operations team and extensive market experience, we’re ready to deliver expert DingTalk services and solutions tailored to your needs!