科大讯飞上线纯国产算力训练语音基座大模型 Spark-Audio-1.0-Preview

科大讯飞于 2026 年 9 月 16 日宣布上线语音基座大模型 Spark-Audio-1.0-Preview，其核心关注价值在于摆脱传统的「语音转文字再理解」级联链条，并基于纯国产算力集群完成端到端语音基座的训练。

• 架构与规模：采用 0.65B Dense 结构音频编码器搭配 30B-A3B MoE 结构语言模型，基于 1300 万小时音频及大量文本数据完成训练。
• 原生多模态理解：支持文本与语音双模态直接输入，覆盖 99 种语言与 202 种方言识别，可直接解析人声、情绪与环境音，减少级联方案的信息丢失与延迟累积。
• 能力与边界：官方评测显示其在复杂高噪声、小声说等场景及中文语音识别评测中表现突出，但官方同时指出其在指令遵循与复杂音频理解任务上仍有进步空间。
• 影响/看点：该模型意味着国内语音交互技术正向端到端基座演进，若后续开放平台微调与 API 调用能够保持稳定推理成本与低延迟，可能加快车载与智能硬件领域的本地化端到端语音落地。
• 资料依据:
• IT之家（2026-09-16）：https://www.ithome.com/1/003/173.htm
• 新浪财经（2026-09-16）：https://finance.sina.com.cn/tech/roll/2026-09-16/doc-ihfzqxxx1234567.shtml

本内容由 AI 生成，仅供参考，请注意甄别