AI最前沿 88Z.ai 11 月 13 日消息，科大讯飞推出首个基于全国产算力训练的语音基座大模型 SparkAudio 1.0，支持多语言及方言识别，具备音频深度理解能力，并通过三项技术创新显著提升性能与降低成本。
消息要点
- SparkAudio 1.0 支持 99 种语言和 202 种方言，英文识别错误率仅 2.25%。
- 通过三项技术创新，模型效果提升 20%，响应提速 15%，成本降低 60%。
要点
科大讯飞在开放平台正式上线 SparkAudio 1.0，这是首个采用全国产算力进行训练的语音基座大模型。该模型支持 99 种语言及 202 种方言的识别，其中英文识别错误率低至 2.25%。SparkAudio 1.0 具备音频深度理解能力，能够感知情绪、环境音及说话人属性，并支持音频问答功能。 通过引入半监督音频编码器、动态分段端到端建模以及双范式协同解码三项技术创新，该模型整体效果提升 20%，响应速度加快 15%，同时成本降低 60%。这一发布标志着科大讯飞在语音技术领域的进一步突破，为开发者提供了更高效、低成本的语音交互解决方案。
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。
- 讯飞开放平台原始资料发布于
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。