语音识别模型

FunAudio-ASR：阿里达摩院出品，企业级语音识别痛点的端到端大模型

FunAudio-ASR是阿里巴巴达摩院研发的端到端语音识别大模型，聚焦企业落地场景中的核心痛点，通过创新的Context增强模块，从根源上优化了语音识别领域的“幻觉”“串语种”等行业难题。

端到端大模型语音识别模型阿里达摩院

Nemotron Speech ASR：英伟达开源低延迟流式语音识别模型，24毫秒实现单句转录锁定

Nemotron Speech ASR是英伟达推出的开源实时流式语音识别模型，专为低延迟语音交互场景打造。依托创新的缓存感知架构，模型可缓存已处理语音特征，仅对新音频帧执行增量计算，实现单句转录锁定仅需24毫秒，彻底解决传统流式模型在长语音识别中的累积延迟难题。

英伟达语音识别模型

MedASR模型：Google推出的一款专注于医学领域的语音识别模型

MedASR支持根据特定医疗场景需求进一步微调优化。通过将医学语音高效转化为结构化文本，MedASR为医疗领域数字化应用搭建核心技术支撑，助力提升医疗服务效率与智能化水平。

AI医学助手语音识别模型谷歌AI