科大讯飞在1024开发者节发布星火语音基座大模型SparkAudio1.0，把语音识别、机器翻译、语义理解整合到同一个基座模型，升级音频理解、说话人分离、情绪识别能力，面向真实环境下的语音交互场景落地

和传统语音模型分开处理识别、翻译、理解任务不一样，SparkAudio1.0可以同步识别多人对话、区分说话人身份，识别背景环境，判断说话人的情绪状态。演示案例中，面对多人交替发言、中英文随意切换的对话场景，模型也能稳定跟上，完成实时转写和语种切换。

目前SparkAudio1.0已经接入讯飞多款成熟产品，讯飞输入法16.0、讯飞听见、讯飞办公本、讯飞翻译机完成更新上线，普通用户可以直接体验升级后的语音能力。同期配套硬件讯飞AI录音环正式发布，搭载4+1环麦阵列，使用Wi-Fi6传输，官方宣称综合识别准确率超96%

硬件的转写效率优势明显，2小时录音，只需要2分钟就能完成全部转写。长期以来，语音是大模型连接现实世界的重要入口，过往很多大模型的语音能力属于附加功能，而SparkAudio1.0作为独立语音基座，意味着讯飞把音频感知当成独立底层能力持续迭代。

不管是会议记录、异地翻译、现场采访录音，这套组合都能降低音频整理成本。基座模型开放之后，第三方开发者也可以基于这套语音能力，搭建面向政务、教育、企业会议等场景的音频应用。