AI 资讯
科大讯飞星火语音基座大模型 SparkAudio 1.0 正式上线 API 服务
人工智能在语音技术领域的探索迎来了全新突破。科大讯飞于近日正式宣布，其旗舰级语音基座大模型 SparkAudio1.0已在讯飞开放平台全面上线 API 服务，广大开发者和企业用户现在可以直接接入并调用该服务。
告别传统级联方案:用原生语音大模型直接听懂地球声音
在过去的很长一段时间里，业界处理音频任务普遍采用的是“级联方案”:即先通过语音识别将声音转换为文字，再将文字交由大模型进行理解。然而，这种传统的串联方式存在两个无法忽视的短板:
信息丢失严重: 纯粹的文本只能记录“说了什么”，却会彻底遗漏声音中自带的语气、情绪波动、说话人特征以及背景环境音等关键维度的信息，导致模型对复杂场景的判断不够全面。
链路割裂与延迟: 将语音转写、声纹识别、翻译等多个能力拆分为独立模块串联运行，不仅容易在各个环节中累积错误，也会在实际使用体验中带来明显的延迟与卡顿。
针对这些痛点，SparkAudio1.0彻底打破了传统的处理边界。作为一款真正的语音基座大模型，它不再仅仅局限于“语音转文字”，而是具备了直接理解语音的能力。它可以一次性“听懂”人声、环境音、音乐等多种音频形态，并能同步洞察声音背后的深层语义、情绪变化与具体场景。
三大核心升级:听得更广、理解更深、算力自主
相较于以往的语音技术，星火语音基座 SparkAudio1.0在多个关键维度实现了全面跨越:
听见更多: 该模型全面支持99种语言以及高达202种方言，能够高效应对极为复杂的跨语言语音识别与翻译任务。
理解更透: 从基础的语音识别跃升至多维音频理解，能够精准把握语音的深层含义，从而无缝支撑智能客服、汽车座舱、跨语种会议、医疗病历、内容审核等多样化的行业应用场景。
用得更广: 整个模型在全国产算力底座上完成训练，为广大开发者和各行各业提供了真正自主可控的语音智能底座。
目前，SparkAudio1.0的相关测试体验与 API 接入通道均已全面开放，标志着语音大模型在商业化落地与生态开放上迈出了坚实的一步。
本文由 AI 自动聚合与摘要，内容仅供参考。