🌀 AIBB-Flywheel

新闻数据飞轮
← 返回文章列表
ithome 科技 采集 2026-09-23T10:11:11+00:00

科大讯飞发布语音识别大模型Spark-ASR-2.0

原始标题: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

来源
ithome
发布时间
2026-09-23T08:35:48
采集批次
2026-09-23-10
字数
656
URL 指纹
085f8912baec3ac3

📌 AI 总结(204 字)

科大讯飞正式发布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、小音量等复杂场景的识别效果显著提升,词错误率明显降低,推理成本仅增加10%。模型强调「流畅成文」理念,在准确率基础上提升文本连贯性与语义清晰度,将于次日逐步上线讯飞输入法并通过开放平台提供API,后续还将落地AI眼镜、智能办公本等终端产品。
📄 正文(656 字)
今日,科大讯飞正式发布最新一代语音识别大模型Spark-ASR-2.0。

据官方介绍,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、动态上下文注入等关键技术创新,整体的语音识别效果大幅提升,尤其在通用识别(中英文混合、方言、专业术语)、复杂声学场景识别(高噪、小音量、快语速、儿童)、上下文识别和文本流畅规范性等方面改善明显。在效果提升的同时,Spark-ASR-2.0的整体推理成本相对Spark-ASR-1.0仅增加了10%。

官方称,如果说过去的语音识别追求的是一字不差地还原所说内容,那么Spark-ASR-2.0则更进一步,让识别结果「流畅成文」——在提升识别准确率的同时,结合上下文逻辑与语境理解,精简冗余表达、精修各类细节,让文字更连贯、语义更清晰。

相较于Spark-ASR-1.0,Spark-ASR-2.0在语音识别各核心场景上的效果有明显进步,尤其在中英文混合、方言、高噪声、文本流畅规范性等维度上的效果实现了大幅提升,WER(词错误率)明显降低。

Spark-ASR-2.0与当前业界最好水平相比,在方言、高噪和小音量上拥有显著优势,也再次证明了在复杂声学场景上语音识别的强大实力,主要任务效果均好于业界最优水平。

据IT之家了解,Spark-ASR-2.0将从明天开始逐步上线讯飞输入法,并且通过讯飞开放平台提供API服务。此外,Spark-ASR-2.0还将陆续在讯飞AI眼镜、讯飞智能办公本、讯飞听见等更多产品业务上落地应用。