科大訊飛重磅發(fā)布星火大模型4.0，整體性能全面領(lǐng)先，打造國(guó)產(chǎn)大模型最強(qiáng)平替

首個(gè)支持74個(gè)語(yǔ)種方言免切換語(yǔ)音大模型破解強(qiáng)干擾場(chǎng)景下語(yǔ)音識(shí)別難題

近期科大訊飛作為第一完成單位的《多語(yǔ)種智能語(yǔ)音關(guān)鍵技術(shù)及產(chǎn)業(yè)化》項(xiàng)目，獲得國(guó)家科學(xué)技術(shù)進(jìn)步獎(jiǎng)一等獎(jiǎng)。這一次星火語(yǔ)音大模型迎來(lái)新突破。

劉慶峰認(rèn)為，語(yǔ)音將成為萬(wàn)物互聯(lián)時(shí)代人機(jī)交互的主要方式，人機(jī)交互最重要的場(chǎng)景是遠(yuǎn)場(chǎng)、噪聲、多人說話、多語(yǔ)言，因此萬(wàn)物互聯(lián)時(shí)代的AIUI（人工智能用戶界面）要滿足遠(yuǎn)場(chǎng)高噪聲、多語(yǔ)言多方言、全雙工、多模態(tài)等標(biāo)準(zhǔn)。科大訊飛也主導(dǎo)制定了全雙工語(yǔ)音交互ISO/IEC國(guó)際標(biāo)準(zhǔn)，并于2023年5月發(fā)布。

面向萬(wàn)物互聯(lián)時(shí)代，本次星火語(yǔ)音大模型發(fā)布的多語(yǔ)種多方言免切換語(yǔ)音識(shí)別能力，可支持37個(gè)語(yǔ)種、37種方言“自由對(duì)話”。其中，37個(gè)語(yǔ)種識(shí)別效果領(lǐng)先OpenAI whisper-V3，37個(gè)方言識(shí)別效果平均提升30%?，F(xiàn)場(chǎng)，科大訊飛演示了訊飛輸入法混合方言和外語(yǔ)的語(yǔ)音輸入效果，能讓輸入效率大大提高。

科大訊飛還發(fā)布了軟硬件一體化訊飛同傳系統(tǒng)，可支持大會(huì)同傳、會(huì)議同傳、展廳同傳、旅游同傳等多場(chǎng)景使用。本次參會(huì)的嘉賓座位上同樣配備訊飛同傳的收聽設(shè)備，佩戴后即可實(shí)時(shí)收聽多語(yǔ)種AI同聲傳譯。

針對(duì)強(qiáng)干擾場(chǎng)景下的語(yǔ)音識(shí)別難題，科大訊飛突破了多人混疊場(chǎng)景下的極復(fù)雜場(chǎng)景語(yǔ)音轉(zhuǎn)寫技術(shù)，即使在三人混疊說話場(chǎng)景也能實(shí)現(xiàn)86%的語(yǔ)音識(shí)別準(zhǔn)確率。三位訊飛研究院的研究員現(xiàn)場(chǎng)實(shí)測(cè)，在噪音場(chǎng)景下同時(shí)混疊著說話，正常人耳已難以聽清，只見訊飛星火的多模態(tài)能力不但實(shí)現(xiàn)了三人重疊語(yǔ)音的角色分離，還能實(shí)時(shí)轉(zhuǎn)寫出每個(gè)人的語(yǔ)音，準(zhǔn)確的效果引發(fā)現(xiàn)場(chǎng)掌聲不斷。未來(lái)多模態(tài)的語(yǔ)音識(shí)別技術(shù)將應(yīng)用在訊飛聽見智慧辦公服務(wù)平臺(tái)、智慧屏等辦公產(chǎn)品中。

大模型正在推動(dòng)人機(jī)交互變革，語(yǔ)音領(lǐng)域的所有應(yīng)用都值得被重構(gòu)。在大模型加持下，星火汽車智能座艙全新升級(jí)，不但具備了多語(yǔ)種多方言的“自由交互”，還具備多情感多模態(tài)的超擬人交互，讓人車交互更有溫度。當(dāng)前在汽車領(lǐng)域，訊飛語(yǔ)音交互產(chǎn)品國(guó)內(nèi)市占率穩(wěn)居第一，同時(shí)廣泛出口到世界各地。星火大模型為一汽、奇瑞、廣汽、江淮、長(zhǎng)城等車企的眾多車型，賦予了高度智能的交互體驗(yàn)。

為了讓大模型更好落地，科大訊飛還打造了端云一體和軟硬一體的解決方案，賦能家電、機(jī)器人等更多行業(yè)場(chǎng)景。面向具身智能和人形機(jī)器人企業(yè)需求，本次科大訊飛正式發(fā)布機(jī)器人超腦平臺(tái)2.0，業(yè)內(nèi)首個(gè)支持多模態(tài)交互，目前超400家機(jī)器人企業(yè)已經(jīng)采用訊飛機(jī)器人超腦平臺(tái)。  

星火大模型助力“中式”智能座艙走向世界

智能座艙再升級(jí) 多模態(tài)創(chuàng)造新場(chǎng)景

多模態(tài)能力也為車上的硬件開辟了全新的應(yīng)用空間。傳統(tǒng)的DMS主要用于監(jiān)測(cè)駕駛員疲勞狀況，在大模型的賦能下，視覺判斷能夠高精度獲取包括心跳、呼吸、血壓在內(nèi)的多項(xiàng)身體健康指標(biāo)，在用戶無(wú)感的狀態(tài)下長(zhǎng)期記錄跟蹤。訊飛星火健康專家在此基礎(chǔ)上聯(lián)動(dòng)訊飛醫(yī)療資源，為車主提供30種以上健康問題的監(jiān)測(cè)診斷，守護(hù)車主安全出行。 

硬核科技助力 芯算融合讓域控更強(qiáng)勁

以訊飛最具代表性的語(yǔ)音算法為例，通過異構(gòu)將語(yǔ)音降噪、喚醒、識(shí)別、合成從CPU移植到NPU后，能夠降低60%的CPU算力需求。而通過在資源富裕的NPU上部署更大模型，能夠在本地實(shí)現(xiàn)媲美云端的語(yǔ)音識(shí)別效果。這就是紅旗EH7、蔚來(lái)ES8等一批新款車型上，語(yǔ)音識(shí)別又快又準(zhǔn)背后的技術(shù)秘密。