kē dà科大xùn讯fēi飞xīng huǒ星火yǔ yīn语音jī zuò基座dà大 mó xíng模型 SparkAudio 1.0 shàng xiàn上线 API fú wù服务,zhī chí支持 99 zhǒng种yǔ yán语言、202 zhǒng种Fāng yán方言
I T zhī jiāIT之家 1 1 yuè11月 12 rì日xiāo xi消息,kē dà科大xùn讯fēi飞jīn rì今日xuān bù宣布,xùn讯fēi飞xīng huǒ星火yǔ yīn语音jī zuò基座dà大 mó xíng模型 SparkAudio 1.0 yǐ已zài在xùn讯fēi飞kāi fàng开放píng tái平台shàng xiàn上线 API fú wù服务,kāi fā zhě开发者kě可zhí jiē直接jiē rù接入diào yòng调用。SparkAudio 1.0 zhī chí支持wén běn文本hé和yǔ yīn语音liǎng两gě个mó tài模态de的shū rù输入yǐ jí以及wén běn文本mó tài模态de的shū chū输出,kě可zhī chí支持yǔ yīn语音zhuǎn xiě转写、duō yǔ yán多语言fān yì翻译、duō fāng多方yán言shí bié识别、huán jìng环境yīn音lǐ jiě理解、shuō huà说话rén人fēn lí分离、qíng gǎn fēn xī情感分析yǐ jí以及fù zá复杂de的yīn pín音频wèn dá问答děng等chǎng jǐng场景rèn wu任务de的shí xiàn实现。guān fāng官方biǎo shì表示,guò qù过去chǔ lǐ处理yīn pín音频dà duō大多cǎi yòng采用jí lián级联fāng àn方案:xiān先bǎ把yǔ yīn语音zhuǎi转Chéng成wén zì文字,zài再jiāo gěi交给dà大mó xíng模型lǐ jiě理解。zhè zhǒng这种zuò fǎ做法yǒu有liǎng两gě个míng xiǎn明显duǎn bǎn短板:xìn xī信息diū shī丢失:wén zì文字zhǐ néng只能jì lù记录shuì说le了shén me什幺,huì会diū diào丢掉yǔ yīn语音lǐ里zì dài自带de的yǔ qì语气、qíng xù情绪,hái yǒu还有bèi jǐng背景huán jìng环境yīn音děng等guān jiàn关键xìn xī信息,dǎo zhì导致mó xíng模型duì对chǎng jǐng场景de的pàn duàn判断bù不wán zhěng完整,zì rán自然Yě也huì会yǐng xiǎng影响dào到zuì hòu最后de的jiē guǒ结果。liàn lù链路gē liè割裂
Score: 98612 words






