Whisper dan Gemini 3 Pro tertinggal hampir 30% dalam lingkungan akustik yang kompleks? Mega-ASR dari basis Qwen3-ASR 1.7B ini cukup menarik, masalah halusinasi dan hilangnya kata akhirnya ditangani dengan serius.

ME News Berita, 22 Mei (UTC+8), menurut pemantauan Beating dari Dongcha, tim dari Universitas Nasional Singapura, Universitas Nanyang Teknologi, dan Laboratorium Kecerdasan Buatan Shanghai secara bersamaan merilis model dasar pengenalan suara yang tahan terhadap semua skenario pertama di dunia, Mega-ASR, yang bertujuan untuk mengatasi masalah halusinasi, penghilangan kata, dan output kosong yang dihadapi dalam pengenalan suara di lingkungan nyata. Model ini didukung oleh Qwen3-ASR 1.7B sebagai mesin dasarnya, dan dalam lingkungan akustik yang sangat kompleks, mencapai peningkatan kinerja hingga hampir 30% dibandingkan model seperti Whisper, Gemini 3 Pro, dan Seed-ASR. Saat ini, proyek telah dirilis secara terbuka di GitHub dan semua kode serta bobot model dirilis di bawah lisensi Apache-2.0. Tim peneliti membangun dataset yang berisi 2,4 juta sampel dengan total durasi 11.000 jam.