Fun-ASR-Realtime：阿里通义推出的多语言实时语音识别模型

Fun-ASR-Realtime 是什么

Fun-ASR-Realtime 是阿里通义实验室推出的实时语音识别模型，已上线阿里云百炼平台。模型支持 30 种语言与 16 种方言，面向东亚、东南亚语言和复杂方言场景进行优化，可实现百毫秒级首字延迟、流式实时转写、热词增强和上下文语义消歧，适合实时字幕、会议转写、语音助手、客服通话、多语言沟通等低延迟语音识别场景。

Fun-ASR-Realtime 的主要功能

实时语音转文字：通过 WebSocket 流式协议接收音频输入，并实时输出识别文本，适合直播字幕、在线会议、语音聊天和智能助手等场景。
多语言与方言识别：支持 30 种语言与 16 种方言，覆盖普通话、粤语、吴语、闽南语、客家话、赣语、湘语、晋语及多种地区口音，适合跨区域和多语言语音识别需求。
热词增强：支持配置热词，用于提升品牌名、人名、地名、产品名、专业术语和行业词汇的识别准确率。
上下文语义消歧：支持在识别过程中结合热词与对话上下文，改善同音词、品牌名、领域词等容易混淆内容的识别效果。
低延迟流式识别：首字延迟可控制在百毫秒级别，流式识别准确率接近离线识别效果，同时支持多语言无缝切换。
复杂声学场景适配：具备复杂声学环境处理能力，支持自动语种检测、非人声过滤和时间戳输出，可生成更结构化的识别结果。

Fun-ASR-Realtime 的适用场景

实时字幕：用于直播、网课、视频会议、访谈、线上活动和语音聊天中的实时字幕生成。
会议转写：用于在线会议、线下会议、培训记录、访谈记录和多人讨论内容的实时文本沉淀。
客服通话识别：用于呼叫中心、在线客服、服务质检、关键词识别和后续文本分析。
语音助手：用于 App 语音输入、智能硬件、车载语音交互、机器人语音交互和企业内部助手。
多语言沟通：用于跨国会议、出海客服、国际业务沟通、多语言直播和混合语言语音输入。
方言识别：用于地方政务、本地媒体、县域教育、区域客服和方言内容整理。
行业语音识别：用于金融、医疗、教育、政企服务等包含大量专有名词、品牌名和领域术语的业务场景。

API 价格

Fun-ASR-Realtime 在阿里云百炼中按输入音频秒数计费，输出不计费。中国内地服务中，fun-asr-realtime 输入单价为 0.00033 元 / 秒，开通后 90 天内提供 36,000 秒免费额度；新加坡服务中，fun-asr-realtime 输入单价为 0.00066 元 / 秒。具体价格和额度以阿里云百炼价格页面为准。

如何使用 Fun-ASR-Realtime

通过阿里云百炼调用：在阿里云百炼 Model Studio 中开通语音识别服务，使用模型 ID fun-asr-realtime 接入实时语音识别能力。
通过 WebSocket 接入：实时识别基于 WebSocket 协议，适合需要音频流式输入、文本流式输出的业务场景。
通过 DashScope SDK 接入：Fun-ASR 实时模型支持 DashScope Java、Python SDK，Fun-ASR 系列还支持 Android 与 iOS SDK，便于在服务端和移动端集成。
配置热词与上下文：在识别品牌名、人名、地名、产品名和行业术语时，可通过热词配置提升重点词汇识别效果。
选择实时或非实时模式：实时场景使用 fun-asr-realtime，录音文件转写、批量字幕生成、通话分析等场景可选择非实时 Fun-ASR 系列模型。

常见问题

Q：Fun-ASR-Realtime 是什么模型？

A：Fun-ASR-Realtime 是阿里通义推出的实时语音识别模型，主要用于将连续语音流实时转换为文本，适合实时字幕、会议转写、语音助手、客服通话和多语言语音输入等场景。

Q：Fun-ASR-Realtime 支持哪些语言和方言？

A：Fun-ASR-Realtime 支持 30 种语言与 16 种方言。阿里云百炼文档中列出的 Fun-ASR-Realtime 主版本支持普通话、粤语、吴语、闽南语、客家话、赣语、湘语、晋语以及多种地区官话口音，同时支持英文和日语。

Q：Fun-ASR-Realtime 适合实时字幕吗？

A：适合。模型采用 WebSocket 流式协议，可实现音频流式输入和文本流式输出，适用于直播字幕、在线会议、语音聊天和智能助手等低延迟场景。

Q：Fun-ASR-Realtime 支持热词吗？

A：支持。用户可以配置热词来增强品牌名、人名、地名、产品名和行业术语的识别效果，适合客服、金融、医疗、教育、政企等专业场景。

Q：Fun-ASR-Realtime 怎么收费？

A：Fun-ASR-Realtime 按输入音频秒数计费，输出不计费。中国内地服务中，fun-asr-realtime 价格为 0.00033 元 / 秒，开通后 90 天内提供 36,000 秒免费额度；新加坡服务中价格为 0.00066 元 / 秒。

AIHub 点评

Fun-ASR-Realtime 的核心价值在于实时性、方言覆盖、多语言识别和专业词增强能力的结合。对于语音识别应用来说，低延迟只是基础能力，真正影响体验的是复杂口音、背景噪声、混合语言、专有名词和上下文消歧。Fun-ASR-Realtime 针对这些问题进行了强化，更适合会议、客服、直播、教育、政务、出海服务和多语言沟通等场景。

它更适合通过 API 集成到已有产品中，而不是作为单独的个人转写软件使用。对于需要构建实时字幕、智能客服、语音助手、会议系统、多语言输入或方言识别能力的开发者和企业团队，Fun-ASR-Realtime 是阿里云百炼语音识别体系中值得关注的实时 ASR 模型。