摩尔线程宣布开源其音频理解大模型MooER，成为首个基于国产全功能GPU的大型开源语音模型。MooER支持中英文语音识别与翻译，采用三部分模型结构，展现强大多语言处理能力。已开源推理代码与5000小时数据训练的模型，计划进一步开源训练代码与8万小时数据训练的增强版。在对比测试中，MooER-5K表现出色，中文CER为4.21%，英文WER为17.98%，特别是在Covost2zh2en测试集上，BLEU分数高达25.2，领先其他开源模型。基于8万小时数据训练的MooER-80k模型，中文CER降至3.50%，英文WER优化到12.66%，显示了巨大性能提升潜力。此次开源不仅展示了国产GPU在AI领域的应用实力，也为全球音频AI技术发展注入活力，期待MooER在语音识别、翻译等领域带来更多创新突破。

摩尔线程公司宣布开源其自主研发的音频理解大模型MooER，这是首个基于国产全功能GPU训练和推理的大型开源语音模型。MooER在摩尔线程夸娥智算平台上，仅用38小时完成了大规模音频数据的训练，展现出在中文、英文语音识别及中译英语音翻译上的优异性能，特别是在Covost2中译英测试集中取得了接近工业级效果的25.2 BLEU分数。摩尔线程计划进一步开源训练代码和基于更大数据集训练的模型。MooER模型结构包括Encoder、Adapter和Decoder，并采用Paraformer和Qwen2-7B-instruct作为初始化模块，性能优于其他开源模型。此举旨在为开发者提供资源支持，促进人工智能领域的技术创新和应用。

GPT-4o，OpenAI的旗舰模型，于五月份发布时以其音频理解能力引人注目，平均320毫秒的响应速度接近人类对话速度。该模型通过端到端训练将文本、视觉和音频三种模态融合，展示了在多种输入输出上的潜力。OpenAI计划在六月份将高级语音模式功能，通过ChatGPT Plus向部分用户推出，尽管因需改进模型检测和拒绝内容能力，推出时间推迟一个月。新功能将使ChatGPT用户实现无延迟的流畅对话体验。此外，OpenAI还推出了SearchGPT，一个原型版本的人工智能搜索工具，能从清晰相关来源快速提供准确答案。