跳到主要內容
2026-11-13 日報
模型發布

科大訊飛開放 SparkAudio 1.0 語音基座大模型 API,支援 99 種語言與 202 種方言

iThome 中國單一來源
核實資料不足

目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。

本次未取得足夠原文證據

科大訊飛宣布,讯飞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,開發者可直接接入調用,並提供體驗頁面。據官方介紹,該模型支援文字與語音兩種輸入模態及文字輸出,可用於語音轉寫、多語言翻譯、多方言識別、環境音理解、說話人分離、情感分析與複雜音訊問答等任務。 官方指出,傳統音訊處理多採級聯方案,先將語音轉為文字再交由大模型理解,存在兩項問題:一是文字會遺失語氣、情緒與背景環境音等資訊;二是語音轉寫、聲紋識別、語音翻譯等能力拆成獨立模組串接,模組間易累積錯誤並造成延遲與卡頓。SparkAudio 1.0 則直接理解語音,一次處理人聲、環境音與音樂,並理解其中的語義、情緒與場景。 相較上一代,官方稱其在三方面升級:支援 99 種語言與 202 種方言,可處理多語言語音識別與翻譯;具備多維音訊理解能力,官方列舉的應用場景包括智慧客服、汽車座艙、跨語會議、醫療病歷與內容審核;訓練全程採全國產算力。以上規格數據均來自官方說明,目前僅見單一來源報導,獨立第三方評測尚未見到。
讀原始報導