语音 AI 真正难的地方，不是普通话播音腔识别得准，而是现实里大家说话本来就不标准。
通义这个 Fun-ASR-Realtime 我觉得值得看：一个模型覆盖多语言和多种方言，还能靠上下文和热词解决同音词、品牌名这些问题。
这类能力如果做扎实，价值会很大。客服、会议纪要、老人小孩使用手机，很多场景不是缺 AI，而是缺“听得懂人话”的 AI。
AI 从实验室走到日常，第一关可能就是：你能不能听懂我妈讲话。
发布于 英国
平凡ZhiH