IT之家 10 月 22 日消息，在今日下午的科大讯飞全球 1024 开发者节活动中， 科大讯飞宣布首发星火语音基座大模型 SparkAudio 1.0 。 SparkAudio 1.0 集成了 机器翻译、语音识别、语义理解 等能力，显著提升了基础语音能力。
模型宣称在实时说话人分离、环境理解、音频理解、情绪识别等方面“表现卓越”，推动人工智能向物理世界应用迈进。官方通过一段电影片段的分析，展示了模型对声音内容、背景、说话人性别等的精准识别能力，以及场景判断的准确性。
SparkAudio 1.0 已在 讯飞输入法 16.0 、讯飞听见、讯飞办公本、讯飞翻译机全面上线，支持中英文任意切换、说话人实时识别。 IT之家注意到，科大讯飞还发布了一个“ 讯飞 AI 录音环 ”硬件设备，搭载 4 + 1 环麦阵列、Wi-Fi 6 传输，宣称综合识别准确率超 96%，进行 2 小时的录音转写仅需 2 分钟。