科大讯飞发布业界首个长文本、长图文、长语音大模型

科大讯飞发布业界首个长文本、长图文、长语音大模型

4月26日，“合肥造”认知大模型——讯飞星火大模型V3.5（以下简称“讯飞星火”）春季“上新”。面向用户高效准确知识获取的痛点，科大讯飞发布业界首个长文本、长图文、长语音大模型，不仅能够把各种信息来源的海量文本、图文资料、会议录音等进行快速学习、归纳总结，还能够在各种行业场景中给出专业、准确回答。

科大讯飞董事长刘庆峰介绍，通过讯飞星火APP收集到的用户数据，大部分用户在知识获取和学习的过程中，拿到的资料往往是报刊书籍等长文本，还有各种会议的PPT、笔记、录音和视频等。能不能把这些文本、图片、语音等都上传到讯飞星火中，快速地获取知识？对此，科大讯飞推出首个支持长文本、长图文、长语音的大模型，解决用户真实场景中多源信息的获取需求。

本次讯飞星火长文本功能全新升级后，具备长文档信息抽取、长文档知识问答、长文档归纳总结、长文档文本生成等能力，总体已经达到GPT-4 Turbo 4月最新长文本版本的97%水平。值得一提的是，在银行、保险、汽车、电力等多个垂直领域的知识问答任务上，讯飞星火长文本总体水平已经超过GPT-4 Turbo。

面对上百万甚至上千万的文字，长文本大模型消耗的运算资源非常大。为了解决大模型应用效率和准确率问题，刘庆峰介绍，基于讯飞星火V3.5对长文本的理解、学习、回答能力，科大讯飞进行了重要的模型剪枝和蒸馏，从而推出业界性能最优的130亿参数的大模型，在效果损失仅3%以内的情况下，使得星火在文档上传解析处理、知识问答的首响时间以及文字生成方面都获得了极大的效率提升。

测试显示，在保障长文本效果的情况下，无论是10K、64K、128K token，还是更长的文本上，星火大模型的性能都做到了业界最优。

此外，这次讯飞星火的升级，还首发了多情感超拟人合成，具备情绪表达能力，并推出一句话声音复刻功能，让科技更有温度。（刘小容）