科大讯飞发布Spark-ASR-2.0 明日上线讯飞输入法

IT时代网9月23日消息，科大讯飞今日发布最新一代语音识别大模型Spark-ASR-2.0，通过非自回归与LLM增强自回归协同、中英文混合文本与声学联合增强、动态上下文注入等技术创新，整体识别效果明显提升，而整体推理成本相对上一代仅增加10%。

官方称，如果说过去的语音识别追求一字不差地还原内容，Spark-ASR-2.0则更进一步，让识别结果流畅成文：在提升准确率的同时结合上下文逻辑与语境理解，精简冗余表达、精修细节，让文字更连贯、语义更清晰。

具体场景上，新模型在中英文混合、方言、高噪声、小音量、快语速、儿童语音与文本流畅规范性等维度大幅进步，词错误率明显降低。与当前业界最好水平相比，其在方言、高噪和小音量场景拥有显著优势，主要任务效果均好于业界最优。

Spark-ASR-2.0将从明天开始逐步上线讯飞输入法，并通过讯飞开放平台提供API服务，后续还将落地讯飞AI眼镜、智能办公本、讯飞听见等产品。

注：本文综合自IT之家等，文中包含AI辅助创作的内容。

编辑：林一舟