科大讯飞在10月22日下午的全球1024开发者节活动上宣布，首发星火语音基座大模型SparkAudio 1.0。这个模型把机器翻译、语音识别、语义理解集成在一起，官方称其显著提升了基础语音能力。

打开网易新闻 查看精彩图片

它能做什么？官方给出的能力清单包括实时说话人分离、环境理解、音频理解、情绪识别，并称这些方面“表现卓越”，推动人工智能向物理世界应用迈进。现场用一段电影片段做了演示：模型识别出声音内容、背景、说话人性别，并对场景做出判断。

更值得关注的是落地节奏。SparkAudio 1.0已在讯飞输入法16.0、讯飞听见、讯飞办公本、讯飞翻译机全面上线，支持中英文任意切换、说话人实时识别。对普通用户来说，这意味着不用换设备、不用装新App，在输入法里就能用上这套语音能力。

同一场活动还发布了一款硬件“讯飞AI录音环”，搭载4+1环麦阵列、Wi-Fi 6传输，宣称综合识别准确率超96%。官方给出的效率数字是：2小时的录音转写仅需2分钟。

从产品运营角度看，这套打法的关键不在单点技术，而在渠道复用——把基座模型直接灌进已有四款产品，用输入法这种高频入口做用户触达，再用录音环这类硬件覆盖会议、采访等场景。模型能力被拆成多个使用场景，分别装进不同的产品壳里。