AI最前沿 88Z.ai 9 月 17 日消息，科大讯飞发布基于纯国产算力训练的语音基座大模型Spark-Audio-1.0-Preview。该模型采用0.65B音频编码器与30B-A3B MoE语言模型架构，经由1300万小时音频数据训练，具备直接理解语音语义、情绪及场景的能力。
消息要点
- 基于纯国产算力训练，采用1300万小时音频数据及MoE架构
- 支持99种语言和202种方言，Fleurs中文集取得SOTA
要点
科大讯飞正式推出全国产语音基座大模型Spark-Audio-1.0-Preview。该模型完全基于国产算力进行训练，架构上结合了0.65B参数的音频编码器与30B-A3B混合专家（MoE）语言模型，并使用了高达1300万小时的音频数据进行深度训练。 在功能表现上，该模型能够直接理解语音中的语义、情绪以及具体场景信息。它支持识别99种语言和202种方言，在高噪声、小音量等复杂声学环境中表现领先。此外，该模型在Fleurs中文数据集上取得了当前最佳性能（SOTA），展现了强大的语音处理实力。
资料来源与整理说明
本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述，未将其视为本站实测或独家采访结论。
- 科大讯飞原始资料发布于
以上日期为原始资料发布日期；标题下方日期为本文在 AI最前沿的发布时间。