4月26日，訊飛星火大模型V3.5春季上新。科大訊飛釋出業界首個長文本、長圖文、長語音大模型。
長文本、長圖文、長語音一直是人機互動中的三大難題，它們各自的處理都需要複雜的算法和技術支援。長文本需要高效的分詞、命名實體識别、情感分析等自然語言處理技術；長圖文則需要圖像識别、OCR、布局分析等計算機視覺技術；長語音則需要語音識别、語音合成、語音喚醒等語音互動技術。
而科大訊飛此次釋出的長文本、長圖文、長語音大模型，正是在解決這三大難題的基礎上取得的重大突破。此次釋出的模型能夠優秀的處理不同來源的文本與資訊，也能夠對圖文資訊和錄音資料進行快速學習，進而在各種行業場景中發揮作用。
本次訊飛星火長文本功能全新更新後，擁有文檔歸納總結及資訊提取和文本生成等能力，能夠迅速提取資訊資源。無論是複雜的句子結構還是豐富的詞彙表達，長文本處理技術都能遊刃有餘地應對。同時，科大訊飛擁有強大的計算機視覺團隊和先進的圖像識别技術。其自主研發的圖像識别算法，在物體檢測、圖像分類、場景解析等多個計算機視覺任務上均取得了世界領先的成績，為長圖文的處理提供了強大的技術支援。此外，面對廣泛的音視訊資訊高效擷取需求，科大訊飛也推出長語音功能，将國際領先的語音識别和翻譯技術結合起來，可以實作會議錄音、學習視訊等的一鍵研讀，實作音視訊場景的高效知識擷取。
科大訊飛為什麼要推動這個模型的産生呢？要知道，使用者工作時難免會拿到長文本資料，例如書籍、報刊、闆書，甚至是各種錄音和視訊等。在此之前，使用者很難将資料進行有效資訊的提取。而科大訊飛此次所推出的大模型，就是關注到了使用者在工作時的資料提取這一剛需問題，切身實地的解決了使用者多源方式擷取資訊的需求。
科大訊飛長文本、長圖文、長語音一體化智能互動解決方案的釋出，不僅是科大訊飛在人工智能領域取得的重大突破，更是對未來人機互動方式的一次深刻探索，進一步推動大模型在各個場景的落地。該模型在未來将為多個領域提供強大的技術支援。
我們有理由相信，科大訊飛此次推出的模型隻是一個開始，未來的人機互動将變得更加便捷、高效和自然。無論是企業還是個人，都可以通過人工智能，享受科技帶來的便利與樂趣。