近期，中国电信人工智能研究院（TeleAI）星辰语音大模型的多方言能力再次升级，攻克了湛江话、宜宾话、洛阳话、烟台话等方言，将方言种类从 30 种提升至 40 种，并引入对英文的识别。与传统的有标注训练方法相比，TeleAI 通过预训练语音识别模型，利用海量无标注数据进行预训练，再通过少量有标注数据进行微调。
由于方言语音数据普遍存在无标注数据多而有标注数据少的特点，这种“预训练 + 微调”的模型方案与方言场景的需求能够高度契合。TeleAI 还在模型结构和成本优化上进行了创新，实现对人工标注数据的需求量大幅降低约 50 倍，且保障模型效果与有监督训练的方言模型水平相当。（IT之家）
