📰 概要

2026年4月20日，阿里通义发布 Fun-ASR1.5 语音识别大模型。覆盖 30 国语言和中文 7 大方言（含 20+ 地方口音），方言 CER（字符错误率）较前代降低 56.2%。

核心能力：Code-Switching，同一句话中英日韩自由切换，无需预设语言标签。MoE 架构仅激活相关语言专家模块，兼顾精度与效率。

古诗词识别字级准确率 97%（训练语料覆盖先秦至现代）。自动标点、非标转标（数字、日期、金额、手机号自动规范化），已上线阿里云百炼和魔搭。

---

🔍 解读

方言 CER 降 56% 是个硬核数字。之前 ASR 模型对方言的处理基本是"听得懂大意"，现在接近"逐字转写"。能保留"侬"（上海话）"倷"（苏州话）这类方言字，说明模型不是把方言硬翻成普通话，而是真的学到了方言的写法。

Code-Switching 无需预设标签，这个对实际使用影响很大。之前用多语言 ASR 得先告诉模型"我要说日语"——现实中谁说话前先选语言？能自动识别切换，才真的能在会议、客服、字幕场景里用起来。

但 MoE 架构的推理延迟需要实测。激活专家模块的路由开销在小 batch 实时场景下可能明显。

---

💎 深挖

对比一下主流 ASR 服务的语言覆盖：

服务	语言数	中文方言	Code-Switch
Fun-ASR1.5	30	7大方言+20口音	自动
Whisper V3	99	普通话为主	需预设
Azure Speech	100+	粤语+普通话	部分支持
Google STT	125	粤语+普通话	部分支持

语言覆盖数 Fun-ASR1.5 不占优，但中文方言深度碾压。

对做客服、会议记录、字幕、教育产品的人来说，Fun-ASR1.5 填了一个真空白：方言场景终于有可用的 ASR 了。广东客服中心、上海老年人语音交互、四川话会议记录——这些场景之前要么用普通话硬翻，要么靠人工。现在有了技术基础，但还需要结合业务流做定制。

古诗词 97% 的字级准确率，对教育、文化数字化、古籍整理有价值。但通用场景的精度要看实测——古诗词是"窄而深"的场景，不代表日常对话同等水平。

建议：如果你的产品涉及中文方言用户，现在就可以在百炼平台申请 API 测试。重点测两个：方言转写准确率和 Code-Switch 延迟。如果你的场景纯英语或纯普通话，Whisper V3 的生态更成熟，暂时不用换。纯 C 端语音输入法场景，精度差异用户感知不强，不必追新模型。