科大讯飞星火语音基座大模型 SparkAudio 1.0 上线 API 服务

事件核心：发生了什么

据 AIbase 2026 年 11 月 13 日报道，科大讯飞旗舰语音基座模型 SparkAudio 1.0 正式在讯飞开放平台开放 API，开发者与企业用户现可直接接入调用。目前公开信息显示，相关测试体验与 API 接入通道已同步开放。

SparkAudio 1.0 的路线与行业常见的“级联方案”不同。传统做法是先用语音识别把声音转成文本，再将文本交给大模型理解；讯飞称这种方式会丢失语调、情绪、说话人特征和背景环境音等信息，多模块串联也会累积误差和延迟。SparkAudio 1.0 定位为原生语音基座模型，可同时处理人声、环境声和音乐，并感知语音背后的语义、情绪与场景。

关键指标方面，官方称该模型支持 99 种语言和最多 202 种方言；训练基于全国产算力基础设施。适用场景包括智能客服、车载座舱、跨语言会议、病历记录和内容审核等。

为什么重要

语音交互长期依赖“识别加理解”的拼接方案，信息损失和链路延迟是结构性问题。若原生语音大模型能在真实场景中稳定表现，语音 AI 的技术路线可能从模块串联转向端到端统一建模，这对智能座舱、客服质检、会议记录等对情绪和语境敏感的场景影响更直接。

商业化层面，API 开放意味着讯飞把语音基座能力推向开发者生态，与云厂商和开源语音模型形成竞争。全国产算力训练也是一个值得注意的卖点，尤其对关注供应链自主可控的企业客户而言。

对用户/开发者/创作者的影响

开发者可通过讯飞开放平台调用 SparkAudio 1.0，减少自行拼接语音识别、声纹、翻译等模块的工程成本，但实际接入前应关注计费方式、并发限制和语言覆盖的真实可用度。企业采购方可重点验证其在客服、会议、医疗等场景下的识别准确率和延迟表现。创作者若涉及多语言音视频内容，可关注其方言与情绪理解能力是否达到可用水平。目前公开信息显示，尚未披露具体定价和详细技术参数。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

一是 API 的实际定价与免费额度是否明确，这决定中小开发者能否低成本试用；二是 99 种语言、202 种方言的宣称能否在公开测试中复现，尤其是低资源方言；三是竞品是否跟进原生语音大模型路线，以及讯飞是否开放更多模型权重或工具链。

来源：AIbase