大皖新聞訊    幾天前，科大訊飛牽頭完成的“多語種智能語音關(guān)鍵技術(shù)及產(chǎn)業(yè)化”項目榮獲2023年度國家科技進(jìn)步獎一等獎。而在6月27日下午的“訊飛星火大模型V4.0發(fā)布會”上，科大訊飛展現(xiàn)了星火語音大模型的新突破，即實現(xiàn)74個語種方言“自由對話”，破解強(qiáng)干擾場景下的語音識別難題。

74個語種方言“自由對話”

一會是合肥話，一會是上海話，一會是粵語，一會是英語，一會是法語……現(xiàn)場，工作人員演示了訊飛輸入法混合方言和外語的語音輸入效果，能讓輸入效率大大提高。當(dāng)天，星火語音大模型發(fā)布國際領(lǐng)先的多語種多方言免切換語音識別能力，可支持37個語種、37種方言“自由對話”。其中，37個語種識別效果領(lǐng)先OpenAI whisper-V3，37個方言識別效果平均提升30%。

一個人在安靜的環(huán)境中說話，容易被語音識別，好幾個人一起在嘈雜的氛圍中對話，就很難被機(jī)器“聽清”，這是全球智能語音領(lǐng)域面對的共同難題。針對強(qiáng)干擾場景下的語音識別難題，科大訊飛也突破了多人混疊場景下的極復(fù)雜場景語音轉(zhuǎn)寫，即使在三人混疊說話場景，也能實現(xiàn)86%的語音識別準(zhǔn)確率。

現(xiàn)場，三位訊飛研究院的研究員現(xiàn)場實測了在噪音場景下，同時混疊著說話。此時，正常人耳已難以聽清，但訊飛星火的多模態(tài)能力不但實現(xiàn)了三人重疊語音的角色分離，還能實時轉(zhuǎn)寫出每個人說的話。“未來基于多模態(tài)的聲音識別技術(shù)，將應(yīng)用在訊飛聽見智慧辦公、智慧屏等會議辦公產(chǎn)品中。”科大訊飛董事長劉慶峰說。

在劉慶峰看來，語音將成為萬物互聯(lián)時代人機(jī)交互的主要方式，人機(jī)交互最重要的場景是遠(yuǎn)場、噪聲、多人說話、多語言，因此，萬物互聯(lián)時代的AIUI（人工智能用戶界面）要滿足遠(yuǎn)場高噪聲、多語言多方言、全雙工、多模態(tài)等標(biāo)準(zhǔn)。

目前，智能語音技術(shù)也用于智能網(wǎng)聯(lián)汽車中，為安徽首位產(chǎn)業(yè)貢獻(xiàn)力量。“在大模型加持下，星火汽車智能座艙全新升級，不但具備了多語種多方言的‘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。”劉慶峰說，目前訊飛語音交互產(chǎn)品國內(nèi)市占率穩(wěn)居第一，星火大模型為一汽、奇瑞、廣汽、江淮、長城等車企的眾多車型，賦予了高度智能的交互體驗，同時廣泛出口到世界各地。

8個國際主流測試集測評第一

智能語音的新成果，得益于星火大模型的再次突破。

當(dāng)天，科大訊飛發(fā)布了訊飛星火大模型V4.0及相關(guān)落地應(yīng)用。基于全國首個國產(chǎn)萬卡算力集群“飛星一號”，訊飛星火V4.0七大核心能力全面提升，全面對標(biāo)GPT-4 Turbo，并實現(xiàn)在文本生成、語言理解、知識問答、邏輯推理、數(shù)學(xué)能力等方面的整體超越。

劉慶峰說，訊飛星火V4.0在圖文識別能力上進(jìn)一步升級，在科研、金融、醫(yī)療、司法、辦公等場景的應(yīng)用效果已領(lǐng)先GPT-4o。此外，星火長文本能力也全新升級，并針對長文檔知識問答的幻覺問題，業(yè)界首發(fā)溯源功能。

外部權(quán)威測試集也體現(xiàn)出訊飛星火V4.0的領(lǐng)先性。在國內(nèi)外12項大模型主流測試集中，訊飛星火在8個測試集中排名第一，超越GPT-4 Turbo等國際大模型，國內(nèi)大模型全面領(lǐng)先。

現(xiàn)場，劉慶峰展示了訊飛星火V4.0在復(fù)雜指令、復(fù)雜邏輯推理、空間推理、高中數(shù)學(xué)等方面的效果，星火“智商”再度進(jìn)化。以空間推理為例，“Bob在客廳里。他拿著一個杯子走到廚房。他把球放進(jìn)杯子里，然后拿著杯子走到臥室。他把杯子倒過來，然后走到花園。他把杯子放在花園里，然后走到車庫。問題：球在什么地方？”訊飛星火可以基于空間和常識推斷出球在臥室的地面上，這些能力的進(jìn)步對于以后的具身智能、家庭機(jī)器人都具有意義。

訊飛星火APP還發(fā)布“個人空間”，用戶可以上傳自己的工作、學(xué)習(xí)、生活、健康等各類資料，形成每個人的專屬知識庫，再結(jié)合人設(shè)，讓大模型生成更個性化內(nèi)容。科大訊飛研究院院長劉聰現(xiàn)場演示“個人空間”效果，當(dāng)他上傳了女兒寫的小作文并選取符合女兒風(fēng)格的AI人設(shè)標(biāo)簽后，星火生成了一篇活潑、可愛更個性化的文章；當(dāng)他上傳了訊飛翻譯機(jī)的產(chǎn)品海報、用戶短視頻、相關(guān)錄音，星火也可以根據(jù)這些多模態(tài)信息生成產(chǎn)品培訓(xùn)文檔，還可以對生成的信息進(jìn)行多模態(tài)溯源。

羚羊能源大模型發(fā)布

當(dāng)天，羚羊工業(yè)互聯(lián)網(wǎng)平臺是安徽省打造的工業(yè)互聯(lián)網(wǎng)綜合服務(wù)平臺。當(dāng)前，能源革命新浪潮涌起，大模型如何助力清潔能源發(fā)展？當(dāng)天，在通用大模型的底座能力的助力下，羚羊能源大模型也正式發(fā)布。

據(jù)了解，羚羊能源大模型擁有設(shè)備運(yùn)檢、電力問數(shù)、電力營銷客服、輔助電力交易、新能源功率預(yù)測、安全生產(chǎn)等6大“大模型+能源”場景應(yīng)用。其中，“設(shè)備運(yùn)檢”系統(tǒng)是電力場站的“數(shù)字化運(yùn)營大腦”，可用于光伏等領(lǐng)域，“不僅具備精準(zhǔn)事故研判能力，還具備智能決策生成能力。”

比如，供電公司臺區(qū)經(jīng)理在處理上門問題前，需要登錄不同的系統(tǒng)獲取商戶相關(guān)的信息，“電力問數(shù)”利用羚羊能源大模型，接入不同業(yè)務(wù)系統(tǒng)數(shù)據(jù)后，可以讓臺區(qū)經(jīng)理通過自然語言的問答，隨時隨地獲數(shù)據(jù)，預(yù)計數(shù)據(jù)獲取時間可以節(jié)約60%。

據(jù)了解，目前羚羊已經(jīng)和國家能源集團(tuán)、中國石油等展開相關(guān)合作，通過共建能源大模型，推動AI與能源的雙向賦能，助力中國能源行業(yè)高質(zhì)量發(fā)展。

大皖新聞記者 項磊 實習(xí)生 唐雪玲

編輯  張思平