訊飛星火語音基座大模型上線：0.65B 編碼器配 30B MoE，純國產算力訓練

AI資訊AI新閒資訊正文訊飛星火語音基座大模型上線：0.65B 編碼器配 30B MoE，純國產算力訓練發布於AI新閒資訊時間 :Sep 16, 2026閱讀 :1分鐘科大訊飛宣佈 Spark-Audio-1.0-Preview 上線，這是一款基於全國產化算力訓練的語音基座大模型。過去，大模型處理音頻大多采用級聯方案：先把語音轉成文字，再交給大模型理解。

這種做法有兩個明顯短板：一是信息丟失——文字只能記錄說了什麼，會丟掉語音裡自帶的語氣、情緒以及背景環境音等關鍵信息，導致模型對場景判斷不完整；二是鏈路割裂——語音轉寫、聲紋識別、語音翻譯等能力被拆成獨立模塊串聯運行，模塊之間存在斷點，容易累積錯誤，體驗上也會出現延遲、卡頓。不再只做轉寫，而是直接“聽懂”語音語音基座大模型不再只做語音轉文字，而是直接理解語音：一次性聽懂人聲、環境音、音樂等，還能理解聲音裡的語義、情緒和場景。此次首發的 Spark-Audio-1.0-Preview 採用 0.

65B（Dense 結構）的音頻編碼器，搭配 30B-A3B（MoE 結構）的大語言模型，使用了 1300 萬小時音頻以及大量文本數據，基於純國產算力集群訓練完成。在同一個模型中可輸入文本和語音兩個模態，支持語音轉寫、多語言翻譯、多方言識別、環境音識別、說話人識別、情感分析以及複雜的音頻問答等任務，讓機器從“聽清”進一步走向“聽懂”。與訊飛星火大模型的“1+N”體系類似，在語音基座大模型上也可進行微調，開發語音識別、語音同傳、語音交互等專用模型或系統。支持 99 種語言、202 種方言，複雜場景優勢明顯官方稱，Spark-Audio-1.

0-Preview 在各項語音評測任務上效果整體相當、部分超過，尤其在複雜場景高噪聲、小聲說等偏真實應用類任務上明顯領先；與尺寸更大的閉源語音基座模型相比，表現也十分接近。該模型可支持 99 種語言及 202 種方言的識別。在多項任務中，與同尺寸的 Qwen3.5-omni-flash（35B-A3B）相比，在多語言、多方言語音識別的平均效果上表現出優勢；與尺寸高一個數量級的 Qwen3.5-omni-plus 效果接近。在 Fleurs、Kespeech、LibriSpeech 等中英文、多語言、多方言語音識別評測中，其得分高於 Gemini-3.

1 Pro，並在 Fleurs 中文測試集中取得 SOTA。訊飛也坦言，此次發佈的版本在通用知識、數學與代碼等任務上沒有出現明顯降智，但在指令遵循、對話、音頻理解等任務上仍有進步追趕空間，下一步將在鞏固優勢的同時補齊短板。目前，Spark-Audio-1.0-Preview 已正式開放體驗，API 後續將上線訊飛開放平臺。相關推薦訊飛星火 X2.5 正式發佈：MoE 架構 293B，代碼與智能體能力大幅提升科大訊飛發佈星火X2.5大模型，採用MoE架構，參數規模293B-A30B，重點提升代碼與智能體能力，並增強數學、理解等通用能力。

該模型基於全國產算力完成訓練推理，優化國產超長序列訓推難題，已上線訊飛開放平臺。端側4B和1.7B模型已先行開源，支持最長100萬Token上下文。Sep 7, 2026229.6k中國科學院大連化物所攜手科大訊飛、阿里雲發佈3.0 Pro近日，中科院大連化物所聯合科大訊飛、阿里雲發佈智能化工大模型3.0 Pro。作為我國化工行業首個大模型的最新迭代版，其發佈標誌著行業大模型正告別單一知識問答，向更深層次工業落地邁進；技術上從過去聚焦信息檢索與內容生成，跨越到全新階段。Sep 1, 2026224.8k科大訊飛將發佈星火X2.5通用大模型科大訊飛9月1日將開源星火X2.5-4B和1.

7B兩款端側通用大模型，原生支持1M token長上下文，重點提升智能體交互、數學計算與通用理解能力，面向車載、智能硬件及萬物互聯等端側場景。9月7日還將發佈更大規模模型。Aug 31, 2026424.4k國產大模型再迎重磅升級，科大訊飛即將發佈全新主力通用大模型科大訊飛在2026年半年度業績說明會上透露，將於今年1024開發者節正式推出基於全國產算力的全新主力通用大模型；8月底率先發布階段性版本，供市場和開發者提前體驗，技術落地節奏已明確。Aug 21, 2026491.

0k​科大訊飛AI眼鏡正式開啟預售 搭載多語種翻譯與全能AI助理科大訊飛旗下訊飛AI眼鏡在京東開啟預售，售價4299元，補貼後低至3369元，可選配近視鏡片。該產品重40克，採用常規眼鏡外觀，通過海量頭模數據優化結構，獲舒適度認證，鏡片為全貼合樹脂材質，主打大模型驅動的隨身AI助理功能。Jun 15, 2026275.3k智啟未來，您的人工智能解決方案智庫English簡體中文繁體中文にほんご© 2026