9月16日，讯飞星火正式上线全国产语音基座大模型Spark-Audio-1.0-Preview，目前已开放体验，API后续将登陆讯飞开放平台。
该模型采用0.65B音频编码器搭配30B-A3B的MoE大语言模型，基于1300万小时音频及大量文本数据，在纯国产算力集群上训练完成，实现了从算力到模型的全面国产化。
能力上，模型支持文本与语音双模态输入，可完成语音转写、多语言翻译、多方言识别、环境音识别、说话人识别、情感分析及复杂音频问答等任务，覆盖99种语言和202种方言。
与传统“先转文字再理解”的级联方案不同，语音基座大模型可直接理解语音，一次性听懂人声、环境音与音乐，并理解其中的语义、情绪和场景。