讯飞 SparkAudio 1.0 API 上线，支持 99 语言，开发者可低成本接入

API 正式开放

科大讯飞于 2026 年 11 月 12 日宣布，其星火语音基座大模型 SparkAudio 1.0 已在讯飞开放平台正式开放 API 接口。这一举措意味着开发者无需依赖复杂的前端配置，即可通过标准接口直接调用该模型能力，极大地降低了语音智能应用的技术门槛。对于希望快速集成语音功能的互联网公司及硬件厂商而言，这种即插即用的模式能有效缩短产品开发周期。

双模态输入架构

SparkAudio 1.0 采用创新的架构设计，支持文本和语音两种模态的输入，并输出文本结果。与传统仅处理单一模态的工具不同，该模型能够直接理解语音流中的深层信息。这种设计避免了将语音先转为文字再交给大模型处理的繁琐步骤，从而在源头上保留了声音中的语气、情绪以及背景环境音等关键上下文数据，使模型对场景的判断更加完整且准确。

覆盖全球语言体系

在语言支持能力上，新模型实现了显著突破，涵盖99 种语言和202 种方言。这一广泛的语言覆盖范围使得该 API 适用于跨境会议、国际客服及多语种内容审核等复杂场景。无论是识别不同地区的中文方言，还是处理小语种的语音转写任务，SparkAudio 1.0 都能提供稳定支持，解决了以往多语言识别需调用多个独立模型导致的体验割裂问题。

解决级联痛点

官方指出，过去处理音频普遍采用级联方案，即先语音转文字再理解，这种链路存在两大短板：一是信息丢失，文字无法承载语气和情绪；二是链路割裂，各模块独立运行易累积错误并造成延迟。SparkAudio 1.0 通过端到端的理解方式，一次性听懂人声、环境音及音乐，实现了从语音识别到多维音频理解的跨越，显著提升了响应速度和准确性，消除了中间环节带来的卡顿与误差。

国产化算力底座

在基础设施层面，SparkAudio 1.0 基于全国产算力进行训练。这一特性不仅保障了数据安全和供应链自主可控，也为行业应用提供了稳定的智能语音底座。对于金融、医疗、汽车座舱等对数据安全敏感的行业，使用国产算力训练的模型更具合规优势。开发者在接入时，可放心用于核心业务场景，确保语音智能服务的长期稳定运行。

来源：IT之家