星火语音大模型多项指标领先 通用人工智能时代语音王者还是科大讯飞
2024年开年，国产大模型持续开“卷”。1月30日，科大讯飞在安徽合肥正式举办了星火认知大模型V3.5升级发布会，除了带来星火认知大模型V3.5以外，还首次发布了星火语音大模型，科大讯飞称，星火语音大模型首批37个主流语种已超越OpenAI推出的Whisper V3；在多语种语音合成方面，星火语音大模型的首批40个语种平均MOS分绝对提升0.25，拟人度超83%，在智能语音技术保持国际领先水平。此外，星火语音大模型已深度赋能汽车、客服、陪伴机器人、家庭等更多应用场景，助力千行百业数智化生产力提速。
在发布会上，科大讯飞董事长刘庆峰表示，大模型带来语音技术发展的全新机会。科大讯飞在语音技术上已深耕二十余年，多年来在语音识别、语音合成等多领域始终保持源头技术创新迭代，并斩获大量国际权威赛事冠军。比如语音识别技术方面，科大讯飞蝉联多届国际多通道语音分离与识别大赛CHiME冠军，语音合成技术方面，科大讯飞获国际语音合成大赛Blizzard Challenge十四连冠。在国内，科大讯飞还是首批国家新一代人工智能开放创新平台、语音及语言信息处理国家工程研究中心的承建方，被誉为语音技术与AI领域的“国家队”。
“科大讯飞从创业之初的梦想和使命，就是要实现沟通无障碍。25年了，我们的目标和梦想一天都没有变。”在通用人工智能时代，科大讯飞也紧抓大模型时代机遇，星火语音大模型的发布不止助力无障碍沟通，还能“百搭”更多场景，赋能实际应用，带来产业和人类生活的革新。
在技术优势上，借助大模型底座与国产算力平台，讯飞星火语音大模型将更多语音表征解耦，并融入到大模型预训练中，提升了韵律表现力和拟人度，突破了复杂场景识别效果的上限，提升了语料稀缺小语种的效果。刘庆峰表示：“借助大模型，我们让一段语音具备更加丰富的属性，有语种、有内容、有韵律、有音色，还有情绪。”
