人工智能 科大讯飞发布 Spark-ASR-2.0:语音识别从“一字不差”走向“流畅成文” 科大讯飞推出新一代语音识别大模型 Spark-ASR-2.0,在中英文混合、方言、高噪声等场景明显提升,推理成本仅增10%,明日逐步上线讯飞输入法。
人工智能 小米开源工业级目标说话人语音识别大模型 Xiaomi-CocktailASR-1,破解“鸡尾酒会”难题 小米发布并开源工业级目标说话人语音识别大模型 Xiaomi-CocktailASR-1,采用端到端 LLM 架构,在多人同时说话场景中精准提取并转录目标语音,多说话人测试集达到 SOTA。