Tencent Hunyuan merilis Hy ASR 3.0 preview pada 4 Agustus. QbitAI melaporkan model ini berbasis Hy3 dan menggabungkan pengenalan suara dengan pemahaman semantik. Dokumentasi Tencent Cloud mengonfirmasi pemanggilan melalui real-time speech recognition WebSocket API dengan engine_model_type bernilai Hy-ASR-3.0-preview.
Angka pertama adalah WER
QbitAI dan ITHome mengutip angka benchmark terbuka yang sama: WER Mandarin 3,34%, WER Inggris 2,62%, dan WER Kanton 3,12%. Dokumentasi Tencent Cloud juga mencatat 20 kanal paralel gratis serta dukungan Mandarin, Inggris, dan 20 dialek China.
Angka-angka ini tidak mengukur hal yang sama. WER adalah ukuran keluaran model. Kanal gratis dan cakupan dialek adalah batas produk cloud. Bagi pengembang, akses API, kuota, dan cakupan bahasa regional sama pentingnya dengan akurasi.
Kuncinya adalah konteks
Tencent menyebut Hy ASR bergerak dari "逐字转写、单点优化" menuju "理解语境、兼容场景、一键直出". Dalam praktiknya, model harus memakai ucapan sebelum dan sesudah untuk memilih homofon, istilah industri, atau nama proyek yang benar.
QbitAI menyebut recipe SFT mencakup context, istilah profesional, lingkungan akustik, dan pembicara beragam. Data dialek mencakup 10 wilayah dialek besar dan lebih dari 20 subwilayah. Tencent juga menyebut reinforcement learning bertahap untuk transkripsi umum, kemampuan Any-context, dan skenario akustik long-tail.
Preview masih terbatas
Tencent Cloud menyatakan preview saat ini hanya mendukung ASR real-time, audio di bawah satu menit, dan input PCM mono 16k. Pemisahan pembicara, VAD, penggantian kosakata, dan ambang noise belum tersedia. Context input dan hot words masih ditandai akan hadir.
Penggunaan awalnya lebih cocok untuk input suara pendek, subtitle real-time, potongan layanan pelanggan, pencarian suara, dan perintah asisten. Rapat panjang dan wawancara multi-pembicara masih membutuhkan produk yang lebih matang.
Sumber: 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.