智能语音服务市场将超700亿美元，科大讯飞多语种技能正走向天下 ...

人工智能期间，自主可控的AI技能尤为紧张。以正处于黄金期的智能语音技能为例，据国际数据公司IDC分析，2030年，环球智能语音服务市场规模将达约731.6 亿美元，复合增长率27%。云云巨大的市场、云云关键的技能，中国怎样不被“卡脖子”？以科大讯飞为代表的中国科技企业给出答案：自主创新。

（一）智能语音远景广阔

在课堂，老师通过遥控器和智能黑板直接对话；在家里，空调、电视机等家电早已实现语音控制；驾车行驶在路上，一句指令就能操控汽车；集会室里，多人发言都能立即被清楚灌音并转写成笔墨、天生集会纪要……语音，是人类最天然便捷的沟通方式。智能语音技能不但可以或许赋能聪明教诲、聪明都会、聪明医疗等多个范畴，还能加载智能终端，为工作和生存带来更多便利和大概性，正润物细无声地改变着人们的生存。
作为新一代信息技能和人工智能财产的紧张构成部门，智能语音不停实现关键技能突破，精度、速率与智能化程度正在逐年提拔。在现实应用情况的匹配度方面，相干技能产物已经可以满意“混淆语种”“复杂情况”“多人交互”等更为高端的使命需求。尤其是随着智能语音技能与认知大模子技能连续融合，场景界限、内容代价被进一步拓宽，其市场应用范围也在连续扩大，让呆板从“能听会说”到“能明白会思索”，变得越来越“懂你”。

（二）中国的语音技能要把握在中国人本身手里

而在20世纪90年代，中国的智能语音技能和语音财产照旧外国人的天下，微软、谷歌、英特尔等企业纷纷在中国设研究院。现在的人工智能龙头企业科大讯飞正是在这种环境下诞生。
首创人刘庆峰和几位同砚其时照旧中国科学技能大学的门生，在导师王仁华的支持下，发愤“中文语音技能要由中国人做到天下最好，中文语音财产要把握在中国人本身手上”，建立了科大讯飞。
颠末多年研究和实践，科大讯飞不但将中文语音技能做到最好，也将多语种技能做到环球领先。语音辨认的正确率到达98%，多人集会场景的语言人分离和辨认的正确率到达95%。2021年，科大讯飞在美国国家尺度与技能研究院NIST发起的国际低资源多语种语音辨认比赛OpenASR中，得到全部受限赛道的15个语种冠军及7个语种非受限赛道冠军。
科大讯飞的多语种技能发作，是在2019年。当年10月8日，美国商务部忽然公布把科大讯飞、海康威视等8家中国人工智能企业列入实体名单。其时，科大讯飞已储备了11种语音的多语种技能。被列入实体清单之后，科大讯飞启动告急预案，敏捷攻关，举行40多种语种的研发。其时，华为也在被制裁，没有多语种技能，华为手机等装备在凌驾75个国家/地域的贩卖都受到极大影响。华为终端部分从环球66个供应商中颠末过细甄选，终极选择科大讯飞作为多语种供应商，包管了2020年3月的外洋产物发布。
现在，在中国智能语音市场，科大讯飞的市场占据率多年保持第一。以大热的智能汽车行业为例，2023年，中国汽车出口量凌驾日本，跃居环球第一，而出海十强企业中，有8家都在和科大讯飞互助。科大讯飞多语种技能已经可以覆盖环球60多个语种，讯飞智能车载语音体系覆盖23个重要语种，搭载车型已销往亚洲、欧洲、南美等地的60多个国家和地域。

（三）语音大模子，要创建在自主可控的国产平台上

2006—2019年，一连十四年荣获国际语音合成大赛冠军；2016—2023年，一连4届得到国际多通道语音分离和辨认角逐CHiME冠军；2021—2023年，一连三年得到国际语音翻译角逐IWSLT冠军……
作为中国人工智能“国家队”，科大讯飞代表中国取得了多项紧张标记性结果，渐渐构建起独立的语音自主知识产权技能体系。
现在，大模子的出现发展给语音技能带来了新的进步动力，联合大语言模子更精准的语义明白和更精致的形貌本领，语音合成体现力、长时的语音辨认等语音各类使命也能快速突破结果的上限。
1月30日，科大讯飞发布基于首个天下产算力练习的讯飞星火V3.5，正式发布星火语音大模子，首批37个主流语种结果凌驾OpenAI Whisper V3。4月26日，讯飞星火大模子V3.5再次更新，发布业界首个支持长文本、长图文以及长语音的大模子产物。
其长语音功能，可以实现集会灌音、学习视频等的一键研读，实现中英文等语言音视频场景的高效知识获取。
现在，一个自主可控的多语种智能语音技能及环球财产生态正在构建。科大讯飞的技能算法全部自研，现在，已建成5个国产化集群，语音合成、辨认、翻译、交互等国产化本领日服务8.73亿次。2023年，讯飞与华为团结攻关大模子国产化算力底座焦点困难，建立首个天下产算力平台“飞星一号”，弥补了国产超大模子练习平台空缺。

客观来说，中国的大模子技能与美国存在动态差距。科大讯飞董事长刘庆峰表现：“我们应正视差距，聚焦自主创新的底座大模子‘主战场’，从国家层面聚焦资源加速追赶，同时体系性构建通用人工智能生态和应用，打造综合上风。”