据 Woofun AI 消息，阿里巴巴通义实验室升级 Fun-ASR-Realtime 大规模流式语音识别模型，将初始字符处理延迟降至百毫秒级别，实现近乎实时转录且准确率媲美离线模型。该模型通过整合历史对话与动态修正热门词汇，有效解决语境误判问题，在《电影风暴》100小时户外直播中成功生成6万余条字幕，总字数达132万字。

目前该模型支持30种语言和16种方言，方言平均字符准确率达88.62%，其中上海话为92.41%，温州话为82.74%。其离线版本 Fun-ASR-Flash 在 Artificial Analysis 平台单词错误率排名中位列第一。两款新模型仅作为商业 API 在阿里云百炼平台提供服务，底层开源框架可在 Moddle 社区和 GitHub 上获取。