9月23日，科大讯飞正式推出其最新一代语音识别大模型Spark-ASR-2.0。官方表示，该模型在多项关键技术上实现突破，包括非自回归与LLM增强自回归协同、中英文混合文本与声学联合增强，以及动态上下文注入，从而显著提升了整体语音识别效果。

相较于前代Spark-ASR-1.0，Spark-ASR-2.0在通用识别（中英文混合、方言、专业术语）、复杂声学场景（高噪、小音量、快语速、儿童）、上下文识别和文本流畅规范性等方面均有明显改善。官方强调，新模型不仅追求一字不差的还原，更注重让识别结果“流畅成文”——结合上下文逻辑与语境理解，精简冗余表达，精修细节，使文字更连贯、语义更清晰。

在效果提升的同时，Spark-ASR-2.0的整体推理成本相对Spark-ASR-1.0仅增加了10%。官方测试显示，该模型在语音识别各核心场景上的WER（词错误率）明显降低，尤其在中英文混合、方言、高噪声和文本流畅规范性等维度上进步显著。与当前业界最好水平相比，Spark-ASR-2.0在方言、高噪和小音量场景下拥有显著优势，主要任务效果均好于业界最优水平。测试集中ASR任务采用WER/CER作为评价指标。

据悉，Spark-ASR-2.0将于明日上线讯飞输入法，为用户提供更流畅、准确的语音输入体验。