實用聽寫模型 Canto 發布：針對真實場景最佳化
為何重要
打破「僅靠超大基礎模型吃遍天下」的迷思。Canto 顯示出專門針對 real-world ASR（自動語音識別）進行 RL（經驗強化學習）微調的具體成效，即使未具備多模態前緣模型的龐大資產，在特定場景如聽寫的即時效能與準確率上依然具備競爭力。這為垂直應用廠商指出了另一條潛力路徑：透過高質量的訓練資料與最佳化策略，而非單純堆疊算力規模。
Wispr Flow 公司發布新模型 Canto，專注於解決背景噪音、多聲道及環境幹擾等真實使用場景下的即時聽寫問題。
- 在包含 Google、OpenAI、AssemblyAI 與 Deepgram 的競品測試中，Canto 在 10 小時真實語音資料集（來自 2,300 位獨特使用者）上達成最低字錯誤率（WER）。
- 在 3 小時高難度的挑戰集測試中（含風聲、背景音、小聲耳語等），Canto 在即時低延遲應用的模型中表現最佳，雖整體排名第二但輸給了不適合即時應用的 Gemini 3.1 Pro。
- 訓練方式結合由 DeepSeekMath 提出的 GRPO 經驗強化學習法，並利用語音對齊（forced-alignment confidence）與使用者的主動更正資料來最佳化。