科大讯飞王炸发布！新一代语音识别支持202城方言，输入成本仅增10%
09:04
精选参考来源
精选参考来源
1. 科大讯飞发布全新语音识别大模型Spark-ASR-2.0 _ 东方财富网
东方财富网 2026-09-23 00:00:00
2. 科大讯飞正式发布最新语音识别大模型Spark-ASR-2.0- DoNews
DoNews 2026-09-23 00:00:00
3. 科大讯飞发布Spark-ASR-2.0 明日上线讯飞输入法
搜狐 2026-09-23 00:00:00
4. 科大讯飞发布语音识别大模型Spark-ASR-2.0 推理成本仅增10%_腾讯新闻
腾讯网 2026-09-23 00:00:00
5. 科大讯飞正式发布最新语音识别大模型Spark-ASR-2.0_新浪财经_新浪网
新浪财经 2026-09-23 00:00:00
6. 讯飞语音大模型2.0发布：不再逐字翻译，让语音直接“流畅成文”
今日头条 2026-09-23 00:00:00
7. 科大讯飞发布语音识别大模型Spark-ASR-2.0_新浪财经_新浪网
新浪财经 2026-09-23 00:00:00
8. 科大讯飞发布语音识别大模型Spark-ASR-2.0|通用|儿童|数据|音量|公开信息_手机新浪网
新浪财经 2026-09-23 00:00:00
9. 讯飞星火全国产语音基座大模型上线，告别先转文字旧路径 传统语音技术依靠转写后解析的级联架构运行，信息损耗与链路断点长期制约语音交互体验。9月16日，科大讯飞推出Spark‑Audio‑1.0‑Preview语音基座大模型，作为业界首个全国产算力训练的语音基座大模型，证明国产算力集群可以产出业界水准领先的语音大模型。模型采用0.65B的Dense音频编码器，搭配30B‑A3B MoE结构大语言模型，训练素材包含1300万小时音频以及大量文本数据，实现文本、语音双模态输入输出。可完成99种语言、202种方言识别，兼顾环境音识别、说话人区分、情感分析、复杂音频问答等任务，不再依赖先转文字再处理的旧路径，直接完成音频全维度理解。横向对比评测，该模型多语言、多方言识别效果优于同尺寸Qwen3.5‑omni‑flash，效果接近量级更高的Qwen3.5‑omni‑plus，在Fleurs等多项测试中得分高于Gemini‑3.1 Pro，高噪声、小声输入等现实场景表现亮眼。通用知识、数学代码等文本任务没有明显降智，指令遵循方面仍待优化。参考星火1+N体系思路，该基座可微调开发语音同传、语音交互等专用系统，落地客服、车载座舱、会议记录等场景。当前已经开放用户体验，API会在后续上线讯飞开放平台，后续还将推出一系列语音大模型升级版本。 #语音及语言信息处理国家工程研究中心##大模型国家队##全栈自主可控#
今日头条 2026-09-17 00:00:00
10. 打破级联方案局限，讯飞星火语音基座大模型正式上线
今日头条 2026-09-18 00:00:00
11. 讯飞星火发语音基座大模型，99 种语言 202 种方言，中文榜超过 Gemini 3.1 Pro
今日头条 2026-09-17 00:00:00
12. 赋能千行百业，讯飞星火语音基座大模型开放体验
今日头条 2026-09-18 00:00:00
13. 讯飞语音大模型：能听懂202种方言
今日头条 2026-09-18 00:00:00
14. 讯飞新国产语音大模型上线，机器不再只听字面说话 9月16日，科大讯飞上线了一款完全靠国产算力训练出来的语音大模型Spark‑Audio‑1.0‑Preview。简单说，以前的语音技术，是先把说话声音转成文字，AI再去读这段文字做处理。这种方式有不小缺陷。人说话的语气、喜怒哀乐，还有周围环境的杂音，转成文字之后就全部丢掉了。而且整套系统分成好几个环节接力干活，前面环节出错，后面跟着错，还容易反应慢、卡顿。这个新模型不一样，它可以直接听懂声音本身，不光听说了什么内容，还能听出是谁在说话、情绪怎么样、周边是什么环境。训练用到1300万小时的各类音频，能识别99种语言、202种方言，噪音大、说话声音小这种现实里常见的情况，识别效果表现更好，中文测试也拿到了不错成绩。同时它处理知识、数学代码这类文字任务，能力也没有变弱，只是在对话指令理解上还有继续提升的空间。基于这个基础模型，企业还能二次调整，适配车载、客服、会议记录这些实际场景。目前已经开放体验，后续API会放到讯飞开放平台，之后还会有更多语音相关模型更新。 #语音及语言信息处理国家工程研究中心##大模型国家队##全栈自主可控#
今日头条 2026-09-17 00:00:00
15. 科大讯飞发布首个全国产算力语音大模型，端到端理解语音
今日头条 2026-09-18 00:00:00
16. 讯飞星火语音基座大模型上线，国产语音大模型实现双模态突破
今日头条 2026-09-18 00:00:00
17. 讯飞发布“全国产”语音大模型：能听懂 99 种语言、202 种方言
今日头条 2026-09-17 00:00:00
18. 跳过转写直读音频，科大讯飞语音基座大模型正式上线 当AI语音应用越来越多地走进会议、车载、客服等场景，传统语音处理方案的局限性，也逐步暴露在实际使用当中。9月16日，科大讯飞Spark‑Audio‑1.0‑Preview正式发布，这是一套全部依托国产算力完成训练的语音基座大模型，代表着国内语音大模型又一次技术探索。过往行业普遍采用分步处理模式：语音先转为文本，再交由大模型解析。这种流水线模式会损耗声音自带的情绪、环境背景等信息，多模块串联也容易累积误差，造成识别偏差与响应延迟。而这款基座大模型跳过转写中转环节，直接对原始音频信号进行解读，兼顾人声、环境音、音乐的多维度信息捕捉。模型训练使用1300万小时音频数据，支持99种语言与202种方言识别。在噪音干扰、低音量等现实复杂场景，评测表现具备明显优势，多项测试指标对标甚至超越海外主流模型，文本类任务也没有出现能力下滑，仅指令理解部分仍留有迭代空间。依托基座的微调能力，可以衍生出会议转写、语音同传、座舱交互等行业解决方案，落地到各类业务场景。当前版本已经开放体验，API后续登陆讯飞开放平台，后续还将持续推出语音大模型相关更新。 #语音及语言信息处理国家工程研究中心##大模型国家队##全栈自主可控#
今日头条 2026-09-17 00:00:00
19. 一副耳机两个人用，讯飞AI翻译耳机双通道独立同传功能深度实测--资讯速递--中国经济新闻网
中国经济新闻网 2026-09-19 00:00:00
20. 同事推荐的讯飞AI翻译耳机用了一个月，来说说优缺点 - 腾讯云开发者社区-腾讯云
腾讯云 2026-07-30 00:00:00
21. 讯飞新国产语音大模型上线，机器不再只听字面说话 9月16日，科大讯飞上线了一款完全靠国产算力训练出来的语音大模型Spark‑Audio‑1.0‑Preview。简单说，以前的语音技术，是先把说话声音转成文字，AI再去读这段文字做处理。这种方式有不小缺陷。人说话的语气、喜怒哀乐，还有周围环境的杂音，转成文字之后就全部丢掉了。而且整套系统分成好几个环节接力干活，前面环节出错，后面跟着错，还容易反应慢、卡顿。这个新模型不一样，它可以直接听懂声音本身，不光听说了什么内容，还能听出是谁在说话、情绪怎么样、周边是什么环境。训练用到1300万小时的各类音频，能识别99种语言、202种方言，噪音大、说话声音小这种现实里常见的情况，识别效果表现更好，中文测试也拿到了不错成绩。同时它处理知识、数学代码这类文字任务，能力也没有变弱，只是在对话指令理解上还有继续提升的空间。基于这个基础模型，企业还能二次调整，适配车载、客服、会议记录这些实际场景。目前已经开放体验，后续API会放到讯飞开放平台，之后还会有更多语音相关模型更新。 #语音及语言信息处理国家工程研究中心##大模型国家队##全栈自主可控#
今日头条 2026-09-17 00:00:00
22. 讯飞星火全国产语音基座大模型上线，告别先转文字旧路径 传统语音技术依靠转写后解析的级联架构运行，信息损耗与链路断点长期制约语音交互体验。9月16日，科大讯飞推出Spark‑Audio‑1.0‑Preview语音基座大模型，作为业界首个全国产算力训练的语音基座大模型，证明国产算力集群可以产出业界水准领先的语音大模型。模型采用0.65B的Dense音频编码器，搭配30B‑A3B MoE结构大语言模型，训练素材包含1300万小时音频以及大量文本数据，实现文本、语音双模态输入输出。可完成99种语言、202种方言识别，兼顾环境音识别、说话人区分、情感分析、复杂音频问答等任务，不再依赖先转文字再处理的旧路径，直接完成音频全维度理解。横向对比评测，该模型多语言、多方言识别效果优于同尺寸Qwen3.5‑omni‑flash，效果接近量级更高的Qwen3.5‑omni‑plus，在Fleurs等多项测试中得分高于Gemini‑3.1 Pro，高噪声、小声输入等现实场景表现亮眼。通用知识、数学代码等文本任务没有明显降智，指令遵循方面仍待优化。参考星火1+N体系思路，该基座可微调开发语音同传、语音交互等专用系统，落地客服、车载座舱、会议记录等场景。当前已经开放用户体验，API会在后续上线讯飞开放平台，后续还将推出一系列语音大模型升级版本。 #语音及语言信息处理国家工程研究中心##大模型国家队##全栈自主可控#
今日头条 2026-09-17 00:00:00
23. 全国产语音基座大模型上线，讯飞星火Spark-Audio重塑语音交互 语音交互的痛点不在于转写准确率，而在于机器无法感知说话人的情绪、身份与所处环境。讯飞星火Spark-Audio-1.0-Preview作为全国产语音基座大模型，跳出传统级联架构的局限，不再依赖"先转写再理解"的割裂链路，而是端到端直接解析语音中的语义、情感与场景信息，一次性听懂人声、环境音与音乐。该模型支持99种语言及202种方言识别，在Fleurs-中文测试集取得SOTA，高噪声、小声说话等复杂条件下表现尤为突出。架构上，0.65B音频编码器配合30B-A3B大语言模型，1300万小时音频训练数据夯实了表征能力，纯国产算力集群训练也验证了自主算力的可行性。在文本相关任务上，模型未出现明显降智，指令遵循与对话能力仍有持续进步空间。落地层面，Spark-Audio-1.0-Preview的价值已在多个场景显现：客服与汽车座舱中可识别用户情绪，让对话更有温度；跨语言会议中保留语气语调，交流更自然；医疗电子病历与会议转写中自动区分说话人、提取关键决策点并生成结构化纪要。目前模型已开放体验，API后续上线讯飞开放平台，基于该基座微调的专用语音模型也将陆续发布，持续拓展智能语音的应用深度。 #语音及语言信息处理国家工程研究中心##大模型国家队##全栈自主可控#
今日头条 2026-09-17 00:00:00
24. 讯飞语音大模型：能听懂202种方言
今日头条 2026-09-18 00:00:00
-
亲密炒菜中途疲软、核心不稳？七个凯格尔运动，让你找回自信108 44 -
在闲鱼12万卖掉特斯拉！当天手牵手过户，比贱卖给车商爽多了109 132 -
洁柔艺术油画抽纸测评｜美的不像话！颜值能打，更扛得住娃！230 43
已收藏
去我的收藏夹