創(chuàng)業(yè)之初，科大訊飛的夢想和使命就是要實現(xiàn)人機信息溝通無障礙。當(dāng)下的大模型帶來了語音技術(shù)發(fā)展的全新機會，使語音識別可以進一步突破高噪、遠(yuǎn)場、多人說話這些傳統(tǒng)的“雞尾酒會語音識別”重大難題。這一次基于大語言模型框架，結(jié)合訊飛多維度語音屬性解耦表征預(yù)訓(xùn)練，正式發(fā)布星火語音大模型，首批37個主流語種效果超過OpenAI Whisper V3，全新升級助力更自由的溝通，推動萬物互聯(lián)時代下的人機交互變革。

科大訊飛創(chuàng)業(yè)25年來，在智能語音這條賽道上一路馳騁，持續(xù)走在世界前列。2006-2019年，連續(xù)十四年蟬聯(lián)國際語音合成大賽冠軍；2016-2023年，連續(xù)4屆獲得國際多通道語音分離和識別比賽CHIME冠軍；2021-2023年，連續(xù)三年獲得國際語音翻譯比賽IWSLT賽道冠軍；還參與承建首批國家新一代人工智能開放創(chuàng)新平臺、語音及語言信息處理國家工程研究中心等，在語音領(lǐng)域持續(xù)積累。

此次星火語音大模型將識別、翻譯和多語種分類等多種功能統(tǒng)一交換并進行訓(xùn)練，實現(xiàn)了多種任務(wù)信息的共通，會對整體任務(wù)產(chǎn)生促進作用，使語音識別效果大幅提升。其中，多語種自動識別已覆蓋37種，端到端語音翻譯超過13個。在訓(xùn)練層面，通過兩種方式，即多模態(tài)理解和多模態(tài)生成兩種任務(wù)的協(xié)同訓(xùn)練，來實現(xiàn)多模態(tài)的協(xié)同。

作為深耕互聯(lián)網(wǎng)行業(yè)14年的老牌應(yīng)用，訊飛輸入法AI語音輸入，支持26種方言、5種民族語言以及30種外語，令表達(dá)更方便、更透徹，同時能夠理解上下文語義關(guān)聯(lián)。在星火語音大模型賦能下，全語音自然交互的訊飛輸入法旨在實現(xiàn)智慧表達(dá)，智能連接。

當(dāng)下，生成式AI的賦能已經(jīng)成為一種趨勢。對于大眾而言，一款生成式AI輸入法，是最方便、最直接、最輕量的大模型使用端口，打字就能使用生成式AI的多模態(tài)服務(wù)?？梢钥吹?，源于真實世界剛需的產(chǎn)品創(chuàng)新，在應(yīng)用場景和社會價值方面潛力巨大。