A Tencent Hunyuan lançou o Hy ASR 3.0 preview em 4 de agosto. A QbitAI afirma que o modelo se baseia no Hy3 e combina reconhecimento de voz com compreensão semântica. A documentação da Tencent Cloud confirma o uso pela API WebSocket de reconhecimento em tempo real, definindo engine_model_type como Hy-ASR-3.0-preview.
Os primeiros números são WER
QbitAI e ITHome citam os mesmos dados de benchmark aberto: WER de 3,34% em mandarim, 2,62% em inglês e 3,12% em cantonês. A Tencent Cloud também lista 20 canais simultâneos gratuitos e suporte a mandarim, inglês e 20 dialetos chineses.
Esses números não medem a mesma coisa. WER mede saída do modelo. Canais e dialetos descrevem a fronteira atual do produto em nuvem. Para desenvolvedores, acesso por API, cota e cobertura linguística regional pesam junto com precisão.
O ponto é contexto
A Tencent diz que o Hy ASR deve sair de "逐字转写、单点优化" para "理解语境、兼容场景、一键直出". Na prática, o modelo precisa usar a fala ao redor para escolher homófonos, termos técnicos ou nomes de projeto.
A QbitAI relata que a receita de SFT cobre context, termos profissionais, ambientes acústicos e perfis diversos de fala. Os dados de dialetos cobrem 10 grandes regiões e mais de 20 sub-regiões. A Tencent também cita reinforcement learning em múltiplas etapas para transcrição geral, Any-context e cenários acústicos de cauda longa.
A prévia ainda tem limites
A Tencent Cloud diz que a preview atual só aceita ASR em tempo real, áudio de até um minuto e entrada PCM mono 16k. Separação de falantes, VAD, substituição de vocabulário e limites de ruído ainda não estão disponíveis. Context input e hot words ficam para uma próxima etapa.
O encaixe inicial é voz curta, legendas ao vivo, trechos de atendimento, busca por voz e comandos de assistente. Reuniões longas e entrevistas com várias pessoas ainda exigem maturidade maior.
Fontes: 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.