科大訊飛發布業界首個長文本 長圖文 長語音大模型

（大公文匯網 記者 趙臣 合肥報道）4月26日，訊飛星火大模型V3.5（以下簡稱「訊飛星火」）春季上新，發布業界首個長文本、長圖文、長語音大模型。

據科大訊飛介紹，在知識獲取和學習的過程中，廣大用戶能拿到的資料往往不僅是現成的長文本，還有隨手可見的報刊書籍內容、各種研討會的PPT內容，老師黑板上的板書、同學的筆記，以及各種會議錄音、訪談，各種網上的發布會、培訓教育視頻等，能不能把這些文本、圖片、語音等都上傳到訊飛星火中，快速地獲取知識？為此，科大訊飛推出首個支持長文本、長圖文、長語音的大模型，來解決用戶真實場景中多源信息的獲取需求。

本次訊飛星火長文本功能全新升級後，具備長文檔信息抽取、長文檔知識問答、長文檔歸納總結、長文檔文本生成等能力，總體已經達到GPT-4 Turbo 4月最新長文本版本的97%水平，而在銀行、保險、汽車、電力等多個垂直領域的知識問答任務上，訊飛星火長文本總體水平已經超過GPT-4 Turbo。

面向複雜的圖文場景，科大訊飛在圖文識別、公式識別大賽多年國際第一的技術積累基礎上，首次推出星火圖文識別大模型。據介紹，相比傳統小模型逐行文字識別的限制，星火圖文識別大模型具有三大優勢：能夠直接處理非常複雜的版面分析，目前已經覆蓋31個典型場景，比如書刊、學術論文、專利、報紙、海報、PPT等，同時能自動識別標註出18類不同的版面要素，比如頁眉、頁腳、標題、段落、表格、公式、印章、手寫等；融合篇章上下文語義進行文字識別，識別更精準；面向教育、金融、醫療、科研等專業領域深度優化，能自動實現更多領域的專業符號識別。

此外，面對廣泛的音視頻信息高效獲取需求，科大訊飛此次也推出長語音功能，將國際領先的語音識別和翻譯技術結合起來，可以實現會議錄音、學習視頻等的一鍵研讀，實現音視頻場景的高效知識獲取。

另據七麥數據顯示，訊飛星火APP在安卓端的下載量目前已經超過9600萬次，在國內工具類通用大模型APP中排名第一。