科大讯飞近日发布语音识别大模型Spark-ASR-2.0，基于全国产算力训练的语音基座模型Spark-Audio-1.0-Preview构建，重点提升通用识别、复杂声学场景、上下文理解与文本流畅性。
实测显示，该模型支持202种方言免切换识别，在中英文混合及芯片术语场景下转写准确；地铁噪音、悄悄话等复杂声学环境中也能完整识别关键信息。上下文方面，模型可结合后文修正同音字歧义，并自动删减停顿、重复和改口内容，让转写结果接近可直接使用的成文。
技术层面，Spark-ASR-2.0融合非自回归快速识别与LLM增强的自回归纠错，先并行生成初稿，再判断需修正位置，避免全文重解码，整体推理成本较上代仅增加10%。同时引入动态上下文注入机制，结合个性化热词与历史修改，从万级词库中筛选候选词，基本不增加响应时延。
目前该模型已上线讯飞输入法，并通过讯飞开放平台提供API服务，后续将应用于讯飞AI眼镜、智能办公本和讯飞听见等产品。