中安在线、中安新闻客户端讯 在教室，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；会议室里，多人发言都能立刻被清晰录音并转写成文字、生成会议纪要……近年来，智能语音正润物细无声地改变着人们的生活，也创造了巨大的市场价值。
据国际数据公司IDC分析，预计到2030年，全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%。如此庞大的市场、如此关键的技术，中国如何不被「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。
中国的语音技术要掌握在中国人自己手里
作为新一代信息技术和人工智能产业的重要组成部分，智能语音不断实现关键技术突破，精度、速度与智能化水平正在逐年提升。在实际应用环境的匹配度方面，相关技术产品已经可以满足「混合语种」「复杂环境」「多人交互」等更为高端的任务需求。而在20世纪90年代，中国的智能语音技术和语音产业还是外国人的天下，微软、谷歌、英特尔等企业纷纷在中国设研究院。如今的人工智能龙头企业科大讯飞正是在这种情况下诞生。
据了解，科大讯飞创始人刘庆峰当时还是中国科学技术大学的学生，在导师王仁华的支持下，他和几位同学立志「中文语音技术要由中国人做到世界最好，中文语音产业要掌握在中国人自己手上」，于是创立了科大讯飞。
经过多年研究和实践，科大讯飞不仅将中文语音技术做到最好，也将多语种技术做到全球领先。语音识别的准确率达到98%，多人会议场景的说话人分离和识别的准确率达到95%。2021年，科大讯飞在美国国家标准与技术研究院NIST发起的国际低资源多语种语音识别竞赛OpenASR中，获得全部受限赛道的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术爆发，是在2019年。当年10月8日，美国商务部突然宣布把科大讯飞、海康威视等8家中国人工智能企业列入实体名单。当时，科大讯飞已储备了11种语音的多语种技术。被列入实体清单之后，科大讯飞启动紧急预案，迅速攻关，进行40多种语种的研发。当时，华为也在被制裁，没有多语种技术，华为手机等设备在超过75个国家/地区的销售都受到极大影响。华为终端部门从全球66个供应商中经过细致甄选，最终选择科大讯飞作为多语种供应商，保证了2020年3月的海外产品发布。
如今，在中国智能语音市场，科大讯飞的市场占有率多年保持第一。以大热的智能汽车行业为例，2023年，中国汽车出口量超过日本，跃居全球第一，而出海十强企业中，有8家都在和科大讯飞合作。科大讯飞多语种技术已经可以覆盖全球60多个语种，讯飞智能车载语音系统覆盖23个主要语种，搭载车型已销往亚洲、欧洲、南美等地的60多个国家和地区。
语音大模型，要建立在自主可控的国产平台上
2006—2019年，连续十四年荣获国际语音合成大赛冠军；2016—2023年，连续4届获得国际多通道语音分离和识别比赛CHiME冠军；2021—2023年，连续三年获得国际语音翻译比赛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重要标志性成果，逐渐构建起独立的语音自主知识产权技术体系。
如今，大模型的出现发展给语音技术带来了新的前进动力，结合大语言模型更精准的语义理解和更精细的描述能力，语音合成表现力、长时的语音识别等语音各类任务也能快速突破效果的上限。
今年1月30日，科大讯飞发布基于首个全国产算力训练的讯飞星火V3.5，正式发布星火语音大模型，首批37个主流语种效果超过OpenAI Whisper V3。4月26日，讯飞星火大模型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型产品。
其长语音功能，可以实现会议录音、学习视频等的一键研读，实现音视频场景的高效知识获取。新版大模型将科大讯飞国际领先的语音识别和翻译技术结合起来，让英文资料也能像纯文字内容一样进行快速获取和学习。
如今，一个自主可控的多语种智能语音技术及全球产业生态正在构建。科大讯飞的技术算法全部自研，目前，已建成5个国产化集群，语音合成、识别、翻译、交互等国产化能力日服务8.73亿次。2023年，讯飞与华为联合攻关大模型国产化算力底座核心难题，建设首个全国产算力平台「飞星一号」，填补了国产超大模型训练平台空白。
科大讯飞董事长刘庆峰表示：「我们应正视差距，聚焦自主创新的底座大模型‘主战场’，从国家层面聚焦资源加快追赶，同时系统性构建通用人工智能生态和应用，打造综合优势。」（记者 张毅璞）
