تتطلب النماذج الحديثة للتمييز التلقائي للصوت (ASR) تحويلًا دقيقًا لإشارات الصوت المتنوعة (من مجالات مختلفة، ولهجات، ولهجات، وأساليب نطق متنوعة) مع الأخذ بعين الاعتبار المعلومات السياقية المحددة في سياقات تطبيقية مختلفة. تُظهر النماذج النهائية التقليدية المدمجة مع نماذج لغوية إضافية أداءً جيدًا، ولكن بشكل رئيسي في السيناريوهات التي تتطابق فيها البيانات، وتشهد الآن تباطؤًا تدريجيًا في التقدم، حيث تقترب من حدود محددة. في هذه الدراسة، نقدم نموذج Seed-ASR، وهو نموذج لتمييز الصوت يعتمد على نموذج لغة كبير (LLM). تم تطوير Seed-ASR بناءً على إطار عمل نموذج اللغة الكبير المشروط بالإشارة الصوتية (AcLLM)، حيث يتم استغلال قدرات نماذج LLM من خلال إدخال تمثيلات صوتية مستمرة مع معلومات سياقية مباشرة إلى نموذج LLM. من خلال التدريب على نطاق واسع بمرحلتين، وتنمية القدرات المعرفة بالسياق في نموذج LLM، يُظهر Seed-ASR تحسنًا ملحوظًا مقارنةً بالنماذج النهائية على مجموعات تقييم شاملة، تشمل عدة مجالات، ولهجات/لهجات، ولغات متعددة. علاوةً على ذلك، يمكن نشر Seed-ASR بشكل إضافي لدعم الاحتياجات المحددة في سياقات مختلفة دون الحاجة إلى نماذج لغوية إضافية. مقارنةً بالنماذج الكبيرة الحديثة لتمييز الصوت، حقق Seed-ASR خفضًا بنسبة 10% إلى 40% في معدلات الأخطاء الكلامية (أو الحرفية، بالنسبة للصينية) على مجموعات اختبار عامة باللغتين الصينية والإنجليزية، مما يُظهر بشكل مُتزايد كفاءة أداء عالية جدًا.