科大讯飞上线星火语音大模型 SparkAudio 1.0 API，支持 99 种语言 202 种方言

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，开发者可直接接入调用。该模型支持语音与文本双模态输入及文本输出，覆盖语音转写、多语言翻译、方言识别、环境音理解、说话人分离等任务。

过去处理音频多采用级联方案，先转文字再交模型理解，易丢失语气、情绪和环境音等关键信息，模块串联也会累积错误、产生延迟。SparkAudio 1.0 直接理解语音，可一次听懂人声、环境音与音乐，并理解语义、情绪和场景。

相较上一代，新模型支持 99 种语言、202 种方言，从语音识别升级为多维音频理解，可用于智能客服、汽车座舱、跨语会议等场景，并由中国国产算力训练，为行业提供自主可控的语音智能底座。