Бюро новостей Цзичжие Вэнь сообщает, что Jiēyuè Xīngchén выпустила новое поколение модели автоматического распознавания речи StepAudio 2.5 ASR, которая уже полностью запущена на их открытой платформе. Эта версия впервые внедрила технологию предсказания нескольких токенов (MTP) крупной языковой модели в область распознавания речи, значительно ускоряя вывод, одновременно повторно используя окно контекста объемом 32K крупной модели, что разрушает ограничения традиционного транскрибирования длинных аудио с необходимостью разрезания и склеивания. Новая модель, напрямую использующая окно контекста 32K, поддерживает однократное чтение полного аудио длительностью до 30 минут. В тестах с полной загрузкой 30-минутного входного сигнала модель не показывала снижение точности со временем, а ее совокупная ошибка на 10 авторитетных открытых тестовых наборах, таких как Librispeech, по английскому и китайскому языкам, была ниже у конкурентов.