当别人发来语音：“你可真行啊！” 如何理解这句话？
答案显而易见，这可能是一句夸赞，也可能是一句嘲讽。我们只要通过语气、音量和语境等信息很快就可以得出结论。但是如果想让机器也能充分理解这句“你可真行啊！”背后的含义，恐怕需要理解能力更上一层楼。现在，这个问题已经得到了真正解决。
近日，科大讯飞（002230）首个基于全国产算力训练的语音基座大模型 SparkAudio 1.0 正式发布。相较于上一代模型，星火语音基座SparkAudio 1.0在三大方面有了全新升级：
听见更多：99种语言、202种方言，打破语音沟通的边界；
理解更透：从语音识别到多维音频理解，读懂声音背后的丰富信息；
用得更广：全国产算力训练，为开发者和行业应用提供自主可控的语音智能底座。
SparkAudio 1.0依托“半监督音频编码器、动态分段端到端建模、双范式协同解码”三项技术创新，整体效果提升20%、响应时间降低15%、成本降低60%，相较于市面上其他同类型的模型，在相同甚至更好的用户体验之下，调用费用则远低于市场平均价格。让机器不止听懂声音，还要读懂场景，真正适用千行百业。
多语言、复杂场景、深度理解一步到位
多种复杂场景精准识别
现实生活中的声音远比实验室里的标准语音复杂：嘈杂的背景、微弱的音量、多人交谈，都可能影响识别效果。针对这些真实场景，SparkAudio 1.0 展现出较强的适应能力。在中文小音量语音识别测试中，其错误率为17.17%，明显低于多款对比模型。
基于这一语音基座，讯飞进一步推出了面向语音识别场景专项优化的模型 Spark-ASR-2.0。它在 SparkAudio 1.0 的基础上进行专项微调，针对中文识别、高噪声、小音量等场景进一步提升识别效果，同时通过解码优化提升响应速度，实测效果如下。
99种语言、202种方言一步到位
SparkAudio 1.0 支持99种语言、202种方言，能够处理多语言语音识别与翻译任务。在公开评测中，其英文语音识别错误率仅为2.25%，14种主流语言识别错误率为2.81%，均优于参与对比的多款模型；在中文方言识别中，错误率为14.29%，同样展现出较强的识别能力。这意味着，无论是跨语言交流，还是不同地域的方言沟通，模型都能提供更广泛的语音理解支持。
复杂音频推理能力，打开应用边界
以上案例中，我们看到模型在语音识别上的强大能力，但这些还只是基座模型能力矩阵的一小部分。SparkAudio 1.0 更值得关注的地方在于：它不止于识别语音，更能理解语音的深层含义。
作为通用语音基座模型， SparkAudio 1.0 能够识别环境声音、感知说话人的性别与年龄段、捕捉情绪线索，并围绕音频内容进行问答。换句话说，Spark-ASR-2.0 专注于把语音转化为准确的文字，而 SparkAudio 1.0 还希望进一步理解声音中包含的人、情绪、环境与事件信息。从听见声音，到理解声音，再到围绕声音完成更多任务，这才是它作为语音基座模型的能力边界。
这种能力使得音频不再只是等待转写的声音文件，而是可以被进一步分析和提取信息的数据来源。
SparkAudio 1.0目前能够广泛赋能包含智能客服、汽车座舱、跨语会议、医疗病历、内容审核等多种场景。通过对语音内容、说话人、情绪及环境声音的综合理解，模型不仅能听清用户说了什么，还能结合上下文判断其表达意图与所处场景，进而实现更自然的多轮交互，让语音技术（885772）真正融入千行百业。
“三大技术”破解理解难题
降本提效夯爆了
全栈训练与优化，实现“耳脑同频”
从整体架构来看，SparkAudio 1.0并非针对某一项语音任务进行单点优化，而是通过统一的音频基座，将声音感知、理解与推理能力整合起来。其中最为核心的即是音频编码器、预训练、后训练三部分的全栈训练与优化。
简单来说，如果把这个过程比作培养一个人的听说能力：音频编码器就像耳朵，先把听到的声音准确捕捉下来；预训练阶段则像一个人通过长期学习和积累，逐渐听懂不同语言、语气和环境中的声音；到了后训练阶段，模型开始接受针对性的训练，学会根据不同场景和具体要求，完成识别、翻译、理解等任务。
经过这三个阶段，模型才真正从“听得到声音”，成长为“听得懂、能理解、会处理”的智能助手。
值得一提的是，SparkAudio 1.0 是依托全国产算力训练的语音基座大模型。这不仅体现了讯飞在智能语音领域的自主技术积累，也为后续模型持续迭代和产业化落地提供了自主可控的技术基础。
三项技术创新，打通从“听清”到“听懂”
目前，SparkAudio 1.0 支持文本和语音两个模态的输入以及文本模态的输出，可实现语音转写、多语言翻译、多方言识别、环境音识别、说话人分离、情感分析以及复杂的音频问答等场景任务。智能语音完成从“听清”到“听懂”的跃升，背后是讯飞通过半监督音频编码器、动态分段端到端建模、双范式协同解码三项技术创新实现。
通俗来说，这套机制采用了“先快速生成，再按需修正”的方式：先通过并行解码快速得到识别结果，再由大语言模型判断其中是否存在需要进一步调整的内容，只在必要的位置进行修正。这样就不必让所有内容都经过复杂的逐步推理，在保障识别质量的同时，降低了计算开销和响应时间。
在三大技术创新的加持下， 相较于上一版本SparkAudio 1.0-Preview，SparkAudio 1.0整体效果提升20%、响应时间降低15%、成本降低60%：相较于市面上其他同类型的模型，在相同甚至更好的用户体验之下，调用费用则远低于市场平均价格。
结语
从软件到硬件，从语音输入到实时交互，SparkAudio 1.0正在将底层语音能力转化为用户能够直接感受到的产品体验。
语音技术（885772）是科大讯飞（002230）不必解释的技术强项，在三十余年的耕耘中，讯飞语音每次拓展边界都带着新的工程难题，也产生新的技术思路。近两年，这些积累被重新组织了一次：全国产算力托底重训基座，专用任务模型在场景里单打磨。语音由此从一项能力，变成一套可以按场景组合的能力。
目前，讯飞星火语音基座大模型SparkAudio 1.0已在讯飞开放平台上线API服务，开发者可直接接入调用，欢迎大家体验，向我们反馈你的真实感受。
