IT之家 9 月 23 日消息，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。
测试集中 ASR 任务使用 WER / CER 作为评价指标，数值越低表示效果越好 * 测试集来自于语音真实任务请求数据，来源分布包括讯飞星火 APP、讯飞听见 APP、讯飞翻译机、讯飞输入法、讯飞开放平台语音 API 真实开发者场景等进行滚动更新。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。