问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
2026年9月16日，科大讯飞正式上线讯飞星火Spark-Audio-1.0-Preview语音基座大模型。该模型采用0.65B Dense结构音频编码器搭配30B MoE架构，完全基于纯国产算力训练，可突破传统音频处理级联方案的固有短板，实现对语音信号的端到端直接理解。
过往大模型处理音频普遍采用级联方案，核心流程为“语音转文字-文字输入大模型理解”，这种处理路径存在两个难以规避的缺陷。一是信息丢失，文字载体仅能记录说话的具体内容，语音自带的语气、情绪属性，以及背景环境音等关键信息都会被过滤，直接影响模型对场景判断的完整性。二是链路割裂，语音转写、声纹识别、语音翻译等能力被拆分为独立模块串联运行，模块衔接处存在断点，不仅容易累积错误，还会导致使用过程中出现延迟、卡顿等体验问题。
此次上线的Spark-Audio-1.0-Preview语音基座大模型，彻底摒弃了“先转写再理解”的传统路径，不需要经过文字转写环节，可直接对语音信号进行解析。该模型可一次性完成对人声、环境音、音乐等多种声音信号的识别，同时能精准捕捉并理解声音中承载的语义、情绪及对应场景信息。硬件层面，该模型完全基于纯国产算力完成训练，采用0.65B Dense结构的音频编码器，搭配30B MoE架构，硬件与技术路径的适配性更强。
可以推断，该语音基座大模型的落地，有望提升对语音交互精度、响应速度要求较高的场景的使用体验，降低多模块衔接带来的体验损耗。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号