科大讯飞上线 SparkAudio 1.0 语音基座大模型 API，支持 99 种语言 202 种方言
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
讯飞把语音理解从“转文字再分析”改成了直接听懂语音，连情绪和背景音都能理解，还支持 202 种方言。做智能客服、车载语音或者跨语言会议的开发者可以直接调 API 试试，中文方言场景尤其值得关注。
科大讯飞于 11 月 12 日宣布，星火语音基座大模型 SparkAudio 1.0 在讯飞开放平台上线 API 服务，开发者可直接接入调用。该模型支持文本和语音双模态输入、文本输出，覆盖 99 种语言和 202 种方言，可完成语音转写、多语言翻译、多方言识别、说话人分离、情感分析和音频问答等任务。
与过去“先转文字、再交给大模型理解”的级联方案相比，SparkAudio 1.0 直接理解原始语音，保留语气、情绪和背景环境音等信息，避免转写环节造成的信息丢失。级联方案中语音转写、声纹识别、翻译等独立模块串联运行，容易累积错误并产生延迟；语音基座则一次性处理人声、环境音和音乐，端到端理解语义、情绪与场景。
官方称该模型为全国产算力训练，面向智能客服、汽车座舱、跨语会议、医疗病历、内容审核等行业场景提供自主可控的语音底座。在国产语音赛道上，讯飞以方言与多语言覆盖为重点，与主要面向英语市场的主流语音基座模型形成差异化。
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
IT之家 11 月 12 日消息，科大讯飞今日宣布，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， 开发者可直接接入调用 。 SparkAudio 1.0 支持文本和语音两个模态的输入以及文本模态的输出，可支持语音转写、多语言翻译、多方言识别、环境音理解、说话人分离、情感分析以及复杂的音频问答等场景任务的实现。 官方表示，过去处理音频大多采用级联方案：先把语音转成文字，再交给大模型理解。这种做法有两个明显短板： 信息丢失：文字只能记录说了什么，会丢掉语音里自带的语气、情绪，还有背景环境音等关键信息，导致模型对场景的判断不完整，自然也会影响到最后的结果。 链路割裂：这套系统把语音转写、声纹识别、语音翻译等能力拆成独立模块串联运行，模块之间存在断点，不仅容易累积错误，在使用体验上也会出现延迟、卡顿。 据介绍，语音基座大模型解决了上面的这些问题：它不再只做语音转文字，而是直接理解语音。语音基座大模型一次性听懂人声、环境音、音乐等等，而且还能理解声音里的语义、情绪和场景。 相较于上一代模型，星火语音基座 SparkAudio 1.0 在三大方面有了全新升级： 听见更多： 支持 99 种语言、202 种方言 ，能够处理多语言语音识别与翻译任务； 理解更透： 从语音识别到多维音频理解 ，能理解语音的深层含义，支持智能客服、汽车座舱、跨语会议、医疗病历、内容审核等多种场景； 用得更广： 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。 IT之家附相关链接： 体验链接： https://iflytekresearch.iflytek.com/console/spark-audio API 地址： https://www.xfyun.cn/services/Spark_Audio_1.0 相关阅读： 《 科大讯飞首发星火语音基座大模型 SparkAudio 1.0：中英文任意切换、说话人实时识别，输入法里就能用 》
本条情报归属 AITOP「模型」核心栏目，重点聚焦中国 AI 产业与国产大模型生态。在跨区域产业观察坐标中，该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」「中美大模型技术代差与商业化对照」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：科大讯飞、SparkAudio、语音识别、多模态，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始线索采编自「IT之家」，经 AITOP 多维评分管线结构化提炼。