产业观察
科大讯飞发布全新语音识别大模型 Spark-ASR-2.0，明日上线讯飞输入法
📋总体概括
科大讯飞于9月23日发布新一代语音识别大模型Spark-ASR-2.0，并宣布9月24日上线讯飞输入法。该模型采用非自回归与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，在中英文混合、方言、高噪、小音量、快语速、儿童等复杂场景识别效果明显提升，WER明显降低，官方称主要任务效果优于业界最优水平，且推理成本相对1.0版本仅增加约10%。其理念从「一字不差」转向结合上下文理解的「流畅成文」。
⚡关键信息
- ▸科大讯飞9月23日发布Spark-ASR-2.0语音识别大模型，明日上线讯飞输入法
- ▸采用非自回归与LLM增强自回归协同、动态上下文注入等关键技术
- ▸在中英文混合、方言、高噪、小音量等场景效果大幅提升，WER明显降低
- ▸官方称主要任务效果优于业界最优水平，复杂声学场景优势显著
- ▸推理成本相对Spark-ASR-1.0仅增加约10%，强调效果与成本平衡
🔥犀利点评
「优于业界最优」这种自评话术听听就好，测试集还来自自家产品数据，既是运动员又是裁判员。但推理成本只涨10%确实值得注意——语音识别拼到今天，准确率差距已不大，真正的护城河是方言、高噪这些脏活累活的工程积累，讯飞多年深耕的恰恰是这里。至于「流畅成文」，本质是让LLM替人润色转写稿，方向对，但也意味着识别结果开始掺入模型的主观判断。
📰 相关资讯（与本文相关的其他资讯）
本文由本站自动聚合，以下为原始来源：前往 IT之家 阅读全文 →