讯飞发布语音识别大模型，口语转写可直接成文

科大讯飞9月23日发布语音识别大模型Spark-ASR-2.0，训练全程使用全国产算力，已上线讯飞输入法并开放API。

新模型在非自回归快速转写之上，用投机解码结合大语言模型理解做二次纠错，官方称能修正同音字、删去口头语和改口，把口语整理成可直接使用的文本，整体推理成本较上一代Spark-ASR-1.0仅增加10%。

智东西实测显示，模型在方言、地铁噪音、悄悄话和中英文术语混合场景下转写稳定，但样例为自选场景。官方称多数场景词错误率低于业界最优水平，这一对比缺乏公开基准细节，实际提升幅度有待更多使用验证。