ithome
时政
科技
汽车
采集 2026-11-12T16:14:39+00:00
科大讯飞发布SparkAudio 1.0语音大模型
原始标题:科大讯飞星火语音基座大模型 SparkAudio 1.0 上线 API 服务,支持 99 种语言、202 种方言
来源
ithome
发布时间
2026-11-12T13:07:18
采集批次
2026-11-12-16
字数
606
URL 指纹
32ef2c32ec1541c3
📌 AI 总结(192 字)
科大讯飞宣布星火语音基座大模型SparkAudio 1.0在讯飞开放平台上线API服务,开发者可直接接入。该模型支持文本和语音输入、文本输出,可完成语音转写、多语种翻译、方言识别、环境音理解、说话人分离、情感分析及音频问答。模型支持99种语言和202种方言,采用全国产算力训练,旨在减少传统语音转写方案的信息丢失、链路割裂与延迟问题,拓展智能客服、汽车座舱、跨语会议和医疗病历等应用。
📄 正文(606 字)
科大讯飞宣布,星火语音基座大模型SparkAudio 1.0已在讯飞开放平台上线API服务,开发者可以直接调用并接入相关应用。 SparkAudio 1.0支持文本和语音两种模态输入,并支持文本输出,可覆盖语音转写、多语言翻译、多方言识别、环境音理解、说话人分离、情感分析以及复杂音频问答等任务。 过去处理音频通常采用级联方案,即先将语音转成文字,再交给大模型理解。科大讯飞表示,这种方式存在两方面问题。一方面,文字主要记录说话内容,会丢失语气、情绪和背景环境音等信息,使模型难以完整判断场景;另一方面,语音转写、声纹识别和语音翻译等能力被拆分为多个独立模块串联运行,模块之间容易产生断点,可能累积错误,并带来延迟和卡顿。 据官方介绍,语音基座大模型不再局限于把语音转换为文字,而是直接理解语音内容,可同时识别人声、环境音和音乐,并分析声音中的语义、情绪及场景。 与上一代模型相比,SparkAudio 1.0实现了三项升级。在多语言支持方面,模型支持99种语言和202种方言,可执行多语言语音识别与翻译任务;在语义理解方面,模型从语音识别扩展至多维音频理解,可用于智能客服、汽车座舱、跨语会议、医疗病历和内容审核等场景;在算力方面,模型采用全国产算力训练,为开发者和行业应用提供自主可控的语音智能底座。 目前,开发者可通过讯飞开放平台体验SparkAudio 1.0,并通过相关API地址调用其服务。