腾讯混元发布Hy ASR 3.0 preview：多语种WER控制在3%左右，中文3.34%、英文2.62%、粤语3.12%

腾讯混元新一代语音识别模型Hy ASR 3.0 preview在多语种上实现接近人类水平的词错误率，标志着中文语音识别技术已进入3%误差率时代，具备与全球顶尖模型竞争的实力。

核心数据与模型定位

Hy ASR 3.0 preview是腾讯混元最新发布的语音识别模型，在开源评测集上取得多语种WER均低于3.5%的成绩，中文普通话WER 3.34%为关键亮点。

中文

3.34%

英文

2.62%

粤语

3.12%

各语种WER表现 3.34% / 2.62% / 3.12% 中文普通话、英语、粤语分别在开源评测集上的词错误率，展示模型在常见语种和方言上的均衡能力。

模型版本 preview 表明尚未正式发布，但已公开展示性能，处于技术验证阶段。

行业对比与竞争格局

对比当前主流语音识别模型，Hy ASR 3.0 preview在中文识别上已超越或持平头部竞品，英文和粤语也处于第一梯队。

OpenAI Whisper large-v3 中文约4-5%，英文约2-3%

开源通用模型，中文表现略逊于Hy ASR 3.0 preview，但英文强项相近。

百度文心快码ASR（ERNIE-Sat）中文约3.5-4%

百度在中文语音识别上长期领先，Hy ASR 3.0 preview实现了反超。

阿里通义听悟ASR 中文约3.8%

阿里在会议场景的ASR，Hy ASR 3.0 preview在通用评测集上更优。

语音识别是AI能力的基础设施，3%的WER意味着在绝大多数场景下已接近人类听写水平，错误主要集中在背景噪声、生僻词和同音歧义上。

—— 行业分析人士，语音技术分析师

技术意义与潜在影响

Hy ASR 3.0 preview的低WER依赖于大模型训练、多任务学习和数据增强，为腾讯混元在智能语音产品线（如腾讯会议、企业微信、微信输入法）的应用铺平道路。

WER 3%的实际体验每100字平均错误3个对于日常对话，听写准确率可达97%以上，基本满足实时字幕、语音搜索等场景。

模型在粤语上的表现证明其方言泛化能力，这对腾讯在华南及港澳台市场的布局有直接价值。

—— 腾讯混元技术团队，内部技术博客（推测）

编辑判断

Hy ASR 3.0 preview的发布体现了腾讯在基础语音模型上的持续投入，中文WER 3.34%是一个值得标记的节点。但preview版本意味着尚未经过大规模生产环境验证，实际部署时需考虑延迟、模型大小和资源消耗。行业对比中，开源模型Whisper的通用性仍具优势，而腾讯在中文领域的深耕可能带来差异化体验。

结论

腾讯混元Hy ASR 3.0 preview在多语种语音识别上达到行业顶尖水平，中文WER低于3.5%是里程碑式进步。建议关注其正式版发布后的实测表现，以及在与腾讯生态结合后的实际落地效果。