品玩12月5日讯，火山引擎近日正式推出豆包语音识别模型2.0，显著提升上下文理解与复杂场景识别能力。

模型整体关键词召回率提高20%，在专有名词、多音字等难点上表现更优，并首次引入多模态视觉识别能力，可结合图像内容辅助区分同音词（如“滑鸡”与“滑稽”）。该版本新增日语、韩语、德语、法语等13种语言支持，在保持中英文高精度基础上拓展全球化应用。技术上基于Seed混合专家架构与PPO强化学习，实现无需历史词汇的动态泛化推理，并通过Function Call策略优化跨语言识别效果。

模型现已上线火山方舟体验中心并开放API，适用于搜图描述、语音指令创作、多语言交互等场景。2025火山引擎FORCE原动力大会将于12月在上海举行。