智谱 AI 发布新一代语音识别产品系列 GLM-ASR，并同步推出桌面端「智谱 AI 输入法」，将语音识别与大模型能力深度融合，主打“说话即可下指令”的人机交互方式。GLM-ASR 系列包含云端模型 GLM-ASR-2512 和端侧模型 GLM-ASR-Nano-2512，覆盖从服务器到笔记本、手机等多种运行环境。
据介绍，GLM-ASR-2512 部署于云端，字符错误率为 0.0717，支持中文、英文及部分方言，并针对嘈杂环境进行了优化，适合对准确率要求较高的线上服务场景。GLM-ASR-Nano-2512 约 15 亿参数，可在笔记本电脑和手机等端侧设备本地运行，强调低延迟与实时交互体验，模型权重及推理代码开源，而云端版则通过 API 提供服务。
「智谱 AI 输入法」面向桌面端用户，将 GLM-ASR 与大模型结合，支持通过说话完成文本输入、应用控制和指令下达。产品引入“耳语模式”，在较低音量或气声情况下也能识别语音，便于在安静环境中使用。官方提醒，用户在使用语音输入和持续监听功能时，应关注麦克风权限和数据上传范围，结合自身隐私与安全要求进行配置。
常见问题
Q：GLM-ASR 智谱 AI GLM 教程 是什么？
A：GLM-ASR 是智谱 AI 推出的语音识别模型系列，面向语音转文字和语音控制等场景，包含云端和端侧两个版本。
Q：GLM-ASR-2512 和 GLM-ASR-Nano-2512 有何区别？
A：前者部署在云端，准确率更高，通过 API 调用；后者参数规模更小，可在笔记本、手机等本地运行，主打低延迟和离线可用。
Q：GLM-ASR-Nano 是否开源？
A：GLM-ASR-Nano-2512 提供开源权重和推理代码，方便开发者在本地或自有环境中集成和二次开发。
Q：「智谱 AI 输入法」能做什么？
A：该输入法将语音识别与大模型结合，支持语音输入文本、语音下达系统指令，并提供耳语模式以适应低音量、隐私场景。
Q：使用这些语音产品需要注意哪些风险？
A：语音识别涉及麦克风采集和可能的数据上传，用户应检查应用权限、了解数据使用规则，并在涉及敏感信息时谨慎选择是否启用云端服务或长时间监听。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/268540.html原文链接：https://javaforall.net
