在剛剛落幕的2024年中關(guān)村論壇年會上，來自全球100多個國家和地區(qū)、150余家外國政府部門和國際組織機(jī)構(gòu)的上百位頂尖專家、上千名演講嘉賓齊聚一堂，世界的目光聚焦中國，共同見證一場科技創(chuàng)新的盛宴。

全球首個通用人工智能系統(tǒng)原型“通通”、駕馭激光的利器“轉(zhuǎn)角菱方氮化硼”材料、拓展“心有靈犀”邊界的“北腦二號”智能腦機(jī)系統(tǒng)……在2024中關(guān)村論壇年會重大成果發(fā)布環(huán)節(jié)，10項具有創(chuàng)新性、前瞻性、顛覆性的重大科技成果亮相，涉及基礎(chǔ)研究、前沿技術(shù)、科技基礎(chǔ)設(shè)施等各方面。

“就像是真人在說話一樣?！笨拼笥嶏w運用先進(jìn)的語音合成技術(shù)，為成果亮相視頻環(huán)節(jié)進(jìn)行AI配音，為傳統(tǒng)會議模式帶來了創(chuàng)新突破。

借助深度學(xué)習(xí)技術(shù)，科大訊飛將文本轉(zhuǎn)化成擬人化的語音，賦予機(jī)器像人一樣自然流暢說話的能力，成為語音交互、語音翻譯的關(guān)鍵接口能力。

作為人工智能領(lǐng)域的龍頭企業(yè)，科大訊飛在智能語音技術(shù)領(lǐng)域的深耕已有25年之久。自上世紀(jì)90年代開始探索語音領(lǐng)域以來，科大訊飛始終堅持源頭技術(shù)創(chuàng)新，連續(xù)14年蟬聯(lián)國際語音合成大賽冠軍，并在語音識別、機(jī)器翻譯等領(lǐng)域多次在國際大賽上奪冠。

如今，科大訊飛不僅將中文語音技術(shù)做到了最好，還將多語種語音技術(shù)做到了最好。2020年，科大訊飛60個語種的語音識別、翻譯和37個語種的語音合成技術(shù)已達(dá)到國際領(lǐng)先水平，超越了谷歌、微軟等國際巨頭，達(dá)到國際領(lǐng)先水平。2021年，科大訊飛在美國國家標(biāo)準(zhǔn)與技術(shù)研究院NIST發(fā)起的國際低資源多語種語音識別競賽OpenASR中，獲得全部受限賽道的15個語種冠軍及7個語種非受限賽道冠軍。目前，科大訊飛的多語種技術(shù)已經(jīng)可以滿足60余種語言的智能語音技術(shù)需求。

今年1月份，科大訊飛結(jié)合語音屬性解耦、多語種共享建模等技術(shù)創(chuàng)新發(fā)布訊飛星火語音大模型，在多語種語音識別方面首批37個主流語種效果超過OpenAI Whisper V3。星火語音大模型首批覆蓋語種中，24個主要語種識別率達(dá)到了90%，13個重點語種識別率更是超過了94%。在多語種語音合成能力方面，27個主要語種MOS評分達(dá)到了4.4，13個重點語種MOS評分高達(dá)4.6。

4月26日，訊飛星火大模型V3.5春季上新，科大訊飛發(fā)布業(yè)界首個支持長文本、長圖文以及長語音的大模型產(chǎn)品。在此次升級中，面對廣泛的音視頻信息高效獲取需求，科大訊飛推出長語音功能，將語音識別和翻譯技術(shù)結(jié)合起來，可以實現(xiàn)會議錄音、學(xué)習(xí)視頻等的一鍵研讀，實現(xiàn)音視頻場景的高效知識獲取。

科大訊飛進(jìn)一步升級星火語音大模型，首發(fā)多情感超擬人合成，情緒表達(dá)的可感知度達(dá)到 85% 以上，對高興、抱歉、安慰、撒嬌、困惑等語氣表達(dá)更加生動，可以滿足用戶在各種場景下的自我減壓、釋放情緒等需求，并推出一句話聲音復(fù)刻功能。

在2024中關(guān)村論壇年會上，科大訊飛智能語音技術(shù)的出色表現(xiàn)，展示了中國科技企業(yè)在人工智能領(lǐng)域的技術(shù)實力和創(chuàng)新能力。在科大訊飛等中國企業(yè)的努力下，智能語音技術(shù)將為人類帶來更多便捷和智慧，引領(lǐng)科技創(chuàng)新的未來。