GLM-ASR-2512

GLM-ASR-2512 是智谱新一代语音识别模型，核心定位为支持语音实时转换为高质量文字，适配多场景、多口音环境，专注于提供精准、高效的语音转文字服务，显著提升输入与记录效率。

• 精准识别：在最新竞品评估中，字符错误率（CER）低至 0.0717，达到国际领先水准，可对标全球顶尖语音识别模型。
• 高效自定义词典：支持快速导入专属词汇、项目代号及生僻人名地名，一次配置即可长期生效，显著降低人工修正成本。
• 复杂场景优势：在中英混合、行业术语、长句、口语化与指令化表达等复杂场景下，持续稳定输出高质量文本，整体表现优于同类模型。
• 多语言与方言处理：支持普通话及粤语、四川话、闽南语、吴语等主要方言，同时覆盖多种英语口音及法语、德语、日语、韩语、西班牙语、阿拉伯语等数十种主流语言。
• 上传限制明确：支持音频输入、文本输出，单文件大小 ≤ 25 MB，音频时长 ≤ 30 秒。

───────────────────────────────────────────────────────────────────

核心能力

🎯 多场景精准适配

可高效支持实时会议纪要、客服质检与工单处理、视频直播字幕、办公文档输入、多语言沟通与翻译、医疗病历录入等核心应用场景。

• 实时会议纪要：实时转录会议内容，输出结构化纪要，提升会议记录效率。
• 客服质检与工单处理：高精度转写通话内容，支持质检分析与流程优化。
• 视频直播字幕：为直播与会议提供低延迟、高准确率的同步字幕。
• 办公文档输入：通过语音快速生成文档、邮件与方案草稿。
• 多语言沟通与翻译：支持跨语言语音理解，适配跨境交流与在线协作。
• 医疗病历录入：准确识别医学专业术语，辅助医生高效生成电子病历。

📌 特殊场景处理优势

• 多元素混合场景：精准处理中英文混合、数字与单位、口语不连贯表达，输出语义完整、逻辑清晰的文本。
• 方言与噪声场景：具备方言自动判别与抗噪能力，在复杂环境中保持高识别准确率。
• 带口音外语场景：可稳定识别带口音英语，在噪声环境下依然输出可靠结果。
• 特定领域黑话场景：支持行业与游戏黑话识别，实现中英文无缝切换与流式转写。

───────────────────────────────────────────────────────────────────

效果展示

数据+术语+中英文：file.302.ai/gpt/resource302db/20251215/b8065326a87a42a9a62bae0d9e5c19e9.wav

结果输出：Excel二零一九使用升序降序做排序操作，活动单元格应该选定a工作表的任何地方，b数据清单的任何地方，c排序依据数据列的任意单元格，d数据清单标题行的任意单元格，应该选哪个