科大讯飞星火语音基座大模型 SparkAudio 1.0 上线 API 服务
科大讯飞发布星火语音基座大模型 SparkAudio 1.0,并正式上线 API 服务,开发者与企业用户可通过讯飞开放平台调用。该模型以原生语音理解替代传统级联方案,支持 99 种语言和 202 种方言,基于全国产算力底座训练。
海宇数科 · 事件日期 · 约 2 分钟 · 3 次阅读

科大讯飞在人工智能语音技术领域推出星火语音基座大模型 SparkAudio 1.0,并正式上线 API 服务。开发者及企业用户可通过讯飞开放平台调用该服务,进行语音相关应用的开发与集成。
告别传统级联方案:用原生语音大模型直接听懂地球声音
业界处理音频通常采用级联方案,即先将语音识别转写为文字,再交由大语言模型进行理解。这种传统串联方式存在明显短板。
文本记录仅能呈现说了什么,却遗漏了语气、情绪波动、说话人特征以及背景环境音等信息,导致复杂场景下的判断不够全面。

语音转写、声纹识别、翻译等能力被拆分为独立模块,模块串联会累积错误,并带来使用体验上的延迟与卡顿。
SparkAudio 1.0 打破了上述处理边界。作为语音基座大模型,它不局限于语音转文字,而是具备直接理解语音的能力,可一次听懂人声、环境音和音乐,同步洞察深层语义、情绪变化及具体场景。
三大核心升级:听得更广、理解更深、算力自主
星火语音基座 SparkAudio 1.0 在多个关键维度上实现了跨越。
该模型支持 99 种语言和 202 种方言,可进行跨语言语音识别与跨语言翻译。
语音识别能力跃升至多维音频理解,能够把握语音的深层含义,可支撑智能客服、汽车座舱、跨语种会议、医疗病历及内容审核等场景。
模型基于全国产算力底座训练,提供自主可控的语音智能底座,面向开发者及各行各业开放。
目前测试体验已开放,API 接入通道也已开放,标志着语音大模型商业化落地与生态开放的推进。
