出品 | 51CTO技術(shù)棧（微信號：blog51cto）

1月30日，訊飛星火認知大模型V3.5成功發(fā)布！用核心能力的突破，回應(yīng)時代的疑問。邁向更通用、實用的全民開放大模型，訊飛星火全面對標國際先進水平，同時首次發(fā)布星火語音大模型和星火開源大模型。

1、對標GPT-4 Turbo七大能力全面提升

作為首個基于全國產(chǎn)算力平臺“飛星一號”訓(xùn)練的全民開放大模型，訊飛星火V3.5實現(xiàn)了文本生成、語言理解、知識問答、邏輯推理、數(shù)學(xué)能力、代碼能力、多模態(tài)能力等七大核心能力的全面提升。

對標國際領(lǐng)先，在語言理解、數(shù)學(xué)能力已超過GPT-4 Turbo，代碼達到GPT-4 Turbo 96%，多模態(tài)理解達到GPT-4V 91%，再次將國產(chǎn)大模型推向新高度。

圖片

對于大模型將如何解決世界剛需？科大訊飛董事長劉慶峰給出全新的答案——賦能萬物互聯(lián)時代人機交互、賦能知識學(xué)習(xí)與內(nèi)容創(chuàng)作、提升數(shù)智化生產(chǎn)力。

大模型從科技概念，逐漸落地剛需場景，變革個人工作模式。企業(yè)與個人不再追問何為生成式AI，轉(zhuǎn)而希望了解如何應(yīng)用該技術(shù)解放生產(chǎn)力。

不得不提的一個驚艷發(fā)布：訊飛智文！

“請為我生成一份合肥文旅產(chǎn)業(yè)發(fā)展報告”，一句簡單的指令詞，就能快速生成符合要求的PPT文檔。依托星火大模型的文本與多模態(tài)生成能力，訊飛智文輕松實現(xiàn)“一鍵AI配圖、模板秒切換、AI撰寫文本”等高效操作。

圖片

對于已生成好的PPT文檔，借助訊飛星火強大語言理解的加持，訊飛智文能夠秒級生成演講腳本。融合AI虛擬人技術(shù)，讓每個PPT都搭配一個專業(yè)講解員，進一步解放生產(chǎn)力。

2、星火語音大模型首發(fā)全語音交互，主流語音識別超OpenAI

作為科大訊飛的強項領(lǐng)域，對于這場發(fā)布會，大家非常期待語音大模型的推出。據(jù)悉，剛剛過去的2023年，在“國際聲學(xué)場景和事件檢測及分類挑戰(zhàn)賽、國際機器口語翻譯評測比賽”等語音行業(yè)權(quán)威賽事，訊飛再奪冠軍。

而大模型的橫空出世，給語音研究帶來了新的技術(shù)邏輯，創(chuàng)造了語音技術(shù)發(fā)展的全新機會。憑借模型大尺寸，海量數(shù)據(jù)訓(xùn)練后，能夠?qū)崿F(xiàn)更精細的模型描述、更精準的語義理解以及更統(tǒng)一的多任務(wù)建模，帶來的直接表現(xiàn)就是語音合成的韻律表現(xiàn)力和擬人度更高。

圖片

基于大語言模型框架，結(jié)合訊飛多維度語音屬性解耦表征預(yù)訓(xùn)練，星火語音大模型正式發(fā)布！不僅是把國際通用的常規(guī)語音大模型框架用好、用足、用到位，同時把訊飛多年的、獨一無二的、拿了中國專利金獎的核心能力整合進去。

在星火語音大模型，中文、英語、法語、俄語等首批37個主流語種的語音識別效果已經(jīng)超過OpenAI Whisper V3。同時，在多語種語音合成方面，首批40個語種平均MOS分絕對提升0.25，超擬人語音合成擬人度達到83%+。

圖片

現(xiàn)在，訊飛星火App已深度集成星火語音大模型，讓用戶可以給大模型“打電話”，隨時召喚需要的“賈維斯”。不論東北話還是外語發(fā)言，訊飛星火App都能輕松勝任。

據(jù)悉，下載訊飛星火App，即可體驗星火語音大模型。同時，開發(fā)者還可以訪問訊飛開放平臺官網(wǎng)，申請星火語音大模型API。