هل تم التفوق على Whisper و Gemini 3 Pro بأكثر من 30% في بيئة صوتية معقدة؟ هذه المرة، Mega-ASR من Qwen3-ASR 1.7B، وهو أساس، لديه شيء ما، مشكلة الهلوسة وسقوط الكلمات تم التعامل معها أخيرًا بشكل جدي.

أخبار ME News، 22 مايو (بتوقيت UTC+8)، وفقًا لمراقبة 动察 Beating، قام فريق من جامعة سنغافورة الوطنية، ومعهد نان يانغ للتكنولوجيا، ومعمل الذكاء الاصطناعي في شنغهاي، بتطوير نموذج أساسي مفتوح المصدر لأول نظام تعرف على الصوت المقاوم لجميع السيناريوهات Mega-ASR، بهدف حل مشاكل الوهم، وحذف الكلمات، والإخراج الفارغ في بيئات الصوت الحقيقية. يعتمد النموذج على Qwen3-ASR 1.7B كمحرك أساسي، وحقق أداءً أعلى بنسبة تقارب 30% مقارنة بنماذج Whisper و Gemini 3 Pro و Seed-ASR في بيئات صوتية معقدة للغاية. حاليًا، تم إصدار المشروع كمصدر مفتوح على GitHub، مع نشر جميع الرموز وأوزان النموذج بموجب ترخيص Apache-2.0. أنشأ فريق البحث مجموعة تحتوي على 2.4 مليون عينة، بإجمالي مدة 11 ألف ساعة.