科大讯飞发 Spark-ASR-2.0：非自回归与自回归协同，推理成本只比 1.0 高 10%
科大讯飞 9 月 23 日发布新一代语音识别大模型 Spark-ASR-2.0。官方给出的技术要点是三条：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、动态上下文注入；效果提升集中在通用识别（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）、上下文识别与文本流畅规范性。厂商称在方言、高噪与小音量上优于「当前业界最好水平」，主要任务效果均好于业界最优。
成本侧是这条里最具体的数字：Spark-ASR-2.0 的整体推理成本相对 Spark-ASR-1.0 仅增加 10%。落地节奏为 9 月 24 日起逐步上线讯飞输入法，同时通过讯飞开放平台提供 API，后续进入讯飞 AI 眼镜、智能办公本、讯飞听见等产品线。
它改变了什么：语音识别这条线的目标被重新定义为「流畅成文」而不只是「一字不差」——官方明确表述是从还原内容转向结合上下文语境精简冗余、精修表达，即把 ASR 的产出直接做成可读文本而不是转写稿；同时用非自回归换取速度、用 10% 的成本增幅承载效果提升，是对「大模型 ASR 太贵」这一常见顾虑的直接回应。边界：WER 与「优于业界最优」均为厂商自测口径，测试集是讯飞自家产品真实请求数据，无第三方复现。
原文链接：IT之家
核验记录
**未读过厂商官方公告正文**：xfyun.cn 侧 /services/asr_llm、/services/asr、/services/SparkASR（500）、/news、/newsList、/doc/spark/asr_llm（403）与 iflytek.com 全部路径均不含 Spark-ASR-2.0 字样（其中 iflytek.com 只返回 2,819 字节壳页），厂商官方站上查不到该条目及其日期。日期取自 IT之家正文页 https://www.ithome.com/1/006/345.htm 的页内可见时间戳 `2026/9/23 16:35:48`（列表页无 data-ot，靠正文首部日期字段），并与 aibase、新浪财经、凤凰网三家同日报道交叉，三源一致称「9 月 23 日正式发布」。全部技术要点与「成本仅增 10%」「明日上线讯飞输入法」均转述官方口径，非我方直读。配图留空（讯飞官方站未找到经双测验证的可用图，xcbfyun newicon.png 实测 Content-Type 非图片格式）。
← 上一篇谷歌发 Gemini 3.8 Flash TTS 双模型：自然语言造音色，30 秒克隆，2,000+ 预置音色下一篇 →斑马智能端侧全模态 AutoOmni 2.0：23B-A3B 进座舱，称普通任务对标 230B 云模型