Tencent Hunyuan a lancé Hy ASR 3.0 preview le 4 août. QbitAI indique que le modèle repose sur Hy3 et combine reconnaissance vocale et compréhension sémantique. La documentation Tencent Cloud confirme l'appel via l'API WebSocket de reconnaissance temps réel, avec engine_model_type réglé sur Hy-ASR-3.0-preview.
Les premiers chiffres sont des WER
QbitAI et ITHome citent les mêmes benchmarks ouverts : WER de 3,34% en mandarin, 2,62% en anglais et 3,12% en cantonais. Tencent Cloud mentionne aussi 20 canaux simultanés gratuits et la prise en charge du mandarin, de l'anglais et de 20 dialectes chinois.
Ces chiffres ne mesurent pas la même chose. Le WER mesure la sortie du modèle. La concurrence gratuite et les dialectes décrivent le produit cloud actuel. Pour les développeurs, l'API, le quota et la couverture linguistique régionale comptent autant que la précision.
Le sujet est le contexte
Tencent présente Hy ASR comme un passage de "逐字转写、单点优化" à "理解语境、兼容场景、一键直出". En pratique, le modèle doit choisir le bon homophone, terme métier ou nom de projet à partir des phrases voisines.
QbitAI écrit que la recette SFT couvre context, termes professionnels, environnements acoustiques et profils variés de locuteurs. Les données dialectales couvrent 10 grandes régions et plus de 20 sous-régions. Tencent mentionne aussi du reinforcement learning en plusieurs étapes pour la transcription générale, Any-context et les scénarios acoustiques rares.
La preview reste bornée
Tencent Cloud précise que la preview ne prend en charge que l'ASR temps réel, l'audio de moins d'une minute et l'entrée PCM mono 16k. Séparation des locuteurs, VAD, remplacement de vocabulaire et seuils de bruit ne sont pas encore disponibles. Context input et hot words doivent arriver plus tard.
Les premiers usages sont donc l'entrée vocale courte, les sous-titres en direct, les extraits de service client, la recherche vocale et les commandes d'assistant. Les longues réunions et les interviews multi-locuteurs demandent encore un produit plus mûr.
Sources : QbitAI, ITHome, Tencent Cloud documentation, CocoLoop, CLS; verified release timing, WER figures, 20 free concurrent channels, 20 dialects, preview input limits, API parameter and Yuanbao rollout.