科大讯飞首发星火语音大模型 多项硬核能力刷新交互门槛

科大讯飞在全球1024开发者节上推出星火语音基座大模型SparkAudio 1.0，把语音识别、机器翻译、语义理解三大能力整合进同一基座。目前该模型已经落地讯飞输入法16.0、讯飞听见、讯飞办公本、讯飞翻译机等全线产品，支持中英文无缝切换、说话人实时识别，依托统一基座的底层技术打通，各类搭载该模型的终端产品都能实现语音相关能力的协同升级，无需单独针对每款产品重复进行核心能力的适配开发，大幅降低了语音交互类功能的迭代周期，也让不同产品之间的语音数据流转和能力调用变得更加顺畅，用户在跨设备使用讯飞生态产品时，能获得一致性更高的语音交互体验，不用再为不同产品之间的功能差异额外调整使用习惯。

这背后讯飞同步推出了搭载4+1环麦阵列的AI录音环，支持Wi-Fi6传输，综合识别准确率超96%，2小时录音转写仅需2分钟。技术上这套方案在实时说话人分离、环境音频理解、情绪识别维度的表现直接拉满，直接把消费级语音交互的门槛拉到新层级，以往需要专业录音设备、高性能本地算力支撑才能实现的高精度语音转写、多人对话区分等功能，现在普通消费者通过轻量化的便携硬件就能轻松获得，不管是职场人日常的会议记录、内容创作者的素材整理，还是学生群体的课程笔记梳理，都能借助这套方案大幅降低语音信息处理的成本，进一步拓展了AI语音技术在日常办公、学习多场景下的落地边界。