Tencent ra mắt Hy ASR 3.0 Preview, cung cấp API nhận diện giọng nói qua đám mây

Tencent vừa giới thiệu mô hình nhận diện giọng nói Hy ASR 3.0 Preview thuộc dòng Hunyuan và bắt đầu cung cấp dịch vụ này dưới dạng API trên nền tảng đám mây. Đây là bước mở rộng tính năng nhập liệu bằng giọng nói cho các ứng dụng AI tiêu dùng lẫn tác nhân (agent) phục vụ công việc.

Theo PANews đưa tin ngày 4 (giờ địa phương), Hy ASR 3.0 Preview được xây dựng dựa trên khả năng hiểu ngôn ngữ của mô hình ngôn ngữ lớn mới nhất Hy3 do Tencent phát triển, giúp chuyển giọng nói thực tế phức tạp thành văn bản chính xác và nhất quán hơn. Các lĩnh vực ứng dụng được nhắc đến gồm △trung tâm chăm sóc khách hàng thông minh △hiểu nội dung △tìm kiếm bằng giọng nói. Mô hình này được tích hợp đầu tiên vào ứng dụng AI Yuanbao của Tencent và mở miễn phí cho người dùng, sau đó sẽ lần lượt kết nối với sản phẩm AI phục vụ công việc WorkBuddy.

ASR (Automatic Speech Recognition) là công nghệ tự động chuyển giọng nói thành văn bản. Khi kết hợp với mô hình ngôn ngữ lớn, ASR không còn dừng lại ở việc ghi chép đơn thuần mà có thể trở thành giao diện nhập liệu xử lý được văn nói, câu chưa hoàn chỉnh và bối cảnh công việc. Trước đó, Tencent đã áp dụng Hy3 cho WorkBuddy, CodeBuddy, Yuanbao, Marvis và ima, đồng thời cung cấp mô hình này dưới dạng API qua TokenHub của Tencent Cloud. Hy3 sử dụng kiến trúc hỗn hợp chuyên gia (MoE) với tổng cộng 295 tỷ tham số, trong đó 21 tỷ tham số được kích hoạt, và hỗ trợ độ dài ngữ cảnh lên tới 256K. Động thái này cũng nằm trong xu hướng kho mô hình mở của Tencent tăng trưởng nhanh thời gian qua.

Theo tài liệu tính phí dịch vụ nhận diện giọng nói của Tencent Cloud, các sản phẩm nhận diện giọng nói theo thời gian thực và nhận diện file ghi âm đều có mục riêng gọi là “phiên bản mô hình lớn 2.0”. Mức phí trả sau của phiên bản mô hình lớn 2.0 cho nhận diện giọng nói thời gian thực là 1 nhân dân tệ mỗi giờ, trong khi dịch vụ nhận diện giọng nói thời gian thực thông thường được miễn phí 5 giờ gọi mỗi tháng. Hạn mức miễn phí của dịch vụ nhận diện file ghi âm là 10 giờ mỗi tháng.

Tuy nhiên, phòng truyền thông chính thức và tài liệu công khai trên nền tảng đám mây của Tencent chưa xác nhận có thông báo riêng nào nêu tên mô hình “Hy ASR 3.0 Preview”. Thông tin về hợp đồng hay số liệu liên quan trực tiếp đến blockchain, tài sản số hoặc ngành bán dẫn cũng không được đưa ra, cho thấy lần ra mắt này tập trung vào việc mở rộng giao diện nhập liệu AI và dịch vụ tự động hóa công việc.