科大讯飞发布全新语音识别大模型Spark-ASR-2.0

要点

1. 01Spark-ASR-2.0 采用了解析非自回归与 LLM 增强自回归协同、中英文混合文本与声学联合增强以及动态上下文注入等关键技术创新。
2. 02该模型改善了中英文混合、方言、专业术语等通用识别，以及高噪、小音量、快语速和儿童等复杂声学场景识别。
3. 03相较于 Spark-ASR-1.0，新模型在各核心语音识别场景下的 WER 明显降低，并在测试集中使用了 WER 和 CER。
4. 04官方表示，与当前业界最好水平相比，该模型在方言、高噪和小音量上拥有显著优势，主要任务效果均好于业界最优水平。