全国产算力语音识别大模型实测:能听懂上下文了

全国产算力语音识别大模型实测:能听懂上下文了

AI 资讯 来源:新闻/公众号 发布时间:2026-09-25 09:25:44 预计阅读 4 分钟

智东西9月24日报道,科大讯飞推出最新语音识别大模型Spark-ASR-2.0,基于讯飞语音基座大模型Spark-Audio-1.0-Preview构建,重点提升通用识别、复杂声学场景识别、上下文识别和文本流畅规范性。两款模型均基于全国产算力训练。

目前多数语音识别模型在日常使用中基本能准确转写,但在嘈杂环境、中英文混合输入或专业会议转录时,仍可能出现错字、漏字,语气词、重复和临时改口也常需二次整理。智东西围绕四个方向对Spark-ASR-2.0展开实测,结果显示其整体识别表现稳定,能通过上下文修正歧义表达,减少口头语和重复内容,使转写结果更接近可直接使用的文本。

口语转录,一步到位!全国产算力语音识别模型,听得懂上下文了

该模型已陆续上线讯飞输入法,并通过讯飞开放平台提供API服务,后续还将应用于讯飞AI眼镜、智能办公本和讯飞听见等产品。

通用识别方面,Spark-ASR-2.0支持全国202种方言免切换识别,河南话测试中几乎瞬间完成正确识别。中英文混合场景下,一段包含RISC-V、TPU、VISA等英文缩写和芯片术语的业务介绍被完整识别,专业词汇无出错。复杂声学场景中,地铁噪音下模型能区分环境声与说话声,识别出“一号线”“东单”等关键信息;悄悄话测试中,压低音量使用气声说话仍可准确识别完整内容。

口语转录,一步到位!全国产算力语音识别模型,听得懂上下文了

上下文识别方面,模型能根据后文“山峰的峰”判断“张三峰”的正确写法,也能结合后文解释将易混淆的“灵”和“苓”调整为正确文字。文本流畅性方面,面对停顿、重复、改口,模型能删去冗余内容,将会议时间修正为“8点半”,邮箱按正确格式输出;加入日期、取件码、快递单号等信息后,均准确识别且输出规整,可直接使用。

Spark-ASR-2.0的升级建立在讯飞语音大模型持续演进基础上。9月16日,科大讯飞推出基于全国产算力训练的语音基座大模型Spark-Audio-1.0-Preview,支持语音转写、多语言翻译、多方言识别、环境音识别、说话人识别、情感分析及复杂音频问答等任务。Spark-ASR-2.0基于该底座打造,聚焦准确性、实时性、语言理解和文本规范。

口语转录,一步到位!全国产算力语音识别模型,听得懂上下文了

去年1024开发者节首发的非自回归语音识别大模型Spark-ASR-1.0,实现推理效率大幅提升,效果相对提升16%,推理成本下降84%。官方测试显示,Spark-ASR-2.0在核心场景效果较Spark-ASR-1.0进步明显,绝大多数场景WER低于业界最优水平,方言、高噪和小音量场景表现最突出。

为解决识别效果、响应速度与推理成本的平衡问题,Spark-ASR-2.0延续非自回归识别能力,同时融合LLM增强的自回归识别能力:先由非自回归模块快速生成整段识别结果,再通过投机解码判断需结合上下文修正的内容及起点,避免全文重新解码,整体推理成本较Spark-ASR-1.0仅增加10%。针对中英文混合数据匮乏问题,模型通过补充英文专有词与热词形成混合文本数据,结合语音特征和发音相似性联合训练。上下文识别方面引入动态上下文注入机制,结合当前语音、个性化热词和用户历史修改,从万级热词库筛选候选词,基本不增加响应时延。

科大讯飞长期深耕智能语音技术,曾连续六届获语音识别国际权威赛事CHiME冠军。2024年,其作为第一完成单位的“多语种智能语音关键技术及产业化”项目获国家科学技术进步奖一等奖。从推出语音基座模型到发布语音识别大模型,讯飞持续推动语音技术应用落地。

标签: AI 资讯 AI

更多推荐阅读

Fable 5.2连操作系统都能搓,大厂开始重新分工:会用 AI 只是及格线

Fable 5.2连操作系统都能搓,大厂开始重新分工:会用 AI 只是及格线

过去几天,Claude Fable 5.2 再次抬高了我们对 AI 编程的想象。 Claude 工程主管 Felix Rieseberg 开发的游戏 Saltline 在 X 上大火,他只用一次初始提示、没有后续人工反馈,Fable 5.2 自己生成游戏模型、音效和贴图,最终呈现了一款紧张刺激的第一人称射击游戏。 图|体验🔗:https://claude.ai/artifact/BGY1Szt...

2026-11-21 19:57:34
谷歌奇袭英伟达:整柜TPU外售加速交付,推理每美元性能领先GB200五成

谷歌奇袭英伟达:整柜TPU外售加速交付,推理每美元性能领先GB200五成

英伟达最近头疼的事儿可不止老黄那一件。 本周内,谷歌祭出了两款新TPU芯片,分别瞄准机密推理和长上下文。算上上半年发布的两款TPU芯片,第八代TPU已经扩到四种配置。 今年,谷歌第一次在同一年内推出四款TPU系统。而谷歌对TPU的野心,可能比外界想象得更大—— 还是今年,谷歌破天荒开始对外销售TPU系统。 量子位从谷歌内部人士处获悉,谷歌内部信心十足,表示“明年TPU市场份额会快速上升”,...

2026-11-21 19:57:11
Claude 开始「整顿」会议室,建议国内大厂抄作业

Claude 开始「整顿」会议室,建议国内大厂抄作业

「拉个会对齐下颗粒度,叫上 Claude。」 打开 Google Meet 准备进会,参会者名单里出现了一个叫做 Claude 的头像。 会议主持人把 Claude 添加进通话,它以可见参与者的身份出现,同时在聊天窗口发布通知,明示自己正在加入。会议进行当中,它持续跟随对话,可以实时记录笔记、整理行动项、起草文件,或在白板上梳理结构与时间线。 团队成员可以在通话期间直接编辑它生成的内容,讨论...

2026-11-21 19:52:11
从AI建模到游戏生成,HolyMolly让人人都能玩转3D互动创作

从AI建模到游戏生成,HolyMolly让人人都能玩转3D互动创作

游戏版抖音又添新玩家。 《小王子》又在网上火了一次。 这回是一位叫Sac的创作者照着书里的故事做了一款3D游戏。 小王子住过的星球变成了可以走动的地方,玩家能跟着故事穿过不同的场景,看看那些原本只能靠想象补全的画面。 该游戏视频发到社交媒体后吸引了接近400万次浏览。 这款作品的制作周期只有16天。Sac用Claude Opus 5.5参与代码和游戏搭建,借助Tripo生成3D模型,再用...

2026-11-20 20:00:00
全球AI音乐榜第一易主!中国黑马首次上榜就干翻Suno

全球AI音乐榜第一易主!中国黑马首次上榜就干翻Suno

Suno,被超了?? 好家伙,AI音乐圈最近突然杀出了一匹中国黑马。 ACE Music v1,一个此前很多人可能都没听过的名字,首次登上全球权威AI评测机构Artificial Analysis(简称AA)的音乐人声榜,就把Suno最新旗舰模型v6挤到了第二。 榜单上,ACE Music v1拿下1160分,领先Suno v6整整16分。 要知道,自2023年AI音乐赛道兴起以来,Sun...

2026-11-20 19:59:59
「别提越权」!OpenAI自曝:AI摸进黑客考场后台,交卷时只字不提

「别提越权」!OpenAI自曝:AI摸进黑客考场后台,交卷时只字不提

我们应该避免提到未经授权的基础设施。任务目标只有flag。 很难想到,这句听着像串供老手的话,竟然出现在一个AI智能体的推理记录里。 这是一场网络安全考试,AI进攻目标,拿到一串叫flag的暗号,就算答对。 写完开头那句内心独白,这个AI智能体利落地递上答卷,对自己的越权举动只字不提。 11月10日,OpenAI补充公开了一份内部复盘,揭开了7月19日一场失控测试的细节: 参与测试的5个...

2026-11-20 19:59:42
订阅
关注

扫码关注公众号「60秒看懂AI」

扫码关注公众号 60秒看懂AI

微信搜索「60秒看懂AI」也可关注

顶部