科大讯飞正式上线星火语音基座大模型 SparkAudio 的 API 调用服务，开发者和企业可以直接在讯飞开放平台接入这套语音大模型，不再是单独拆分识别、翻译、情绪分析接口，而是一套统一的音频基座能力，支持语音输入、音频事件识别、情绪识别、音频问答、多语种多方言转写和同传。传统语音方案大多是多个独立小模型拼接，识别、声纹、环境音理解分开调用，链路长、出错多、调试麻烦。SparkAudio 依靠半监督音频编码器、动态分段端到端建模、双范式协同解码三项核心技术，把人声、环境声、情绪理解放在同一个基座里面处理，音频进来之后一次性完成解析，响应速度更快，嘈杂环境下的稳定性更好。想要接入的开发者，先去讯飞开放平台注册账号、创建应用、拿到鉴权凭证，选择公有云流式接口或者文件离线接口，先领取免费测试额度调试，再根据业务并发和音频时长选择按量计费或者包量套餐。这个 API 适合录音质检、智能座舱、AI 眼镜、会议复盘、音频内容审核这类场景，它不光能听懂人说话，还能识别环境里的各类声音事件，适合需要深度音频理解的产品，不过它主要侧重音频理解，完整语音输出还需要搭配星火 TTS 合成接口一起使用。
SparkAudio API 核心能力表
| 项目 | 说明 |
|---|---|
| 模型名称 | SparkAudio 星火语音基座大模型 |
| 输入形式 | 实时音频流、上传音频文件 |
| 核心能力 | 多语种 + 多方言识别、语音同传、说话人分离、情绪识别、环境声事件识别、音频问答 |
| 支持语种方言 | 37 门外语、202 种方言自动识别切换 |
| 技术亮点 | 半监督音频编码器、动态分段端到端建模、双范式协同解码 |
| 接口形式 | WebSocket 流式实时接口、HTTP 文件离线接口 |
| 部署方式 | 公有云 API，支持私有化部署对接 |
| 训练数据规模 | 1300 万小时音频数据 |
SparkAudio 和传统拆分语音 API 的差别
- 架构模式：传统方案是识别、翻译、情绪、声纹分开独立模型；SparkAudio 是统一音频基座，一次输入完成多维度理解
- 抗噪表现：针对嘈杂环境优化，同时区分人声和背景环境音，不容易被噪音干扰识别结果
- 输出信息：除了文字，还可以同步返回情绪标签、声音事件类型、说话人编号
- 调用链路：减少多接口串联，降低接口超时、同步对齐的开发工作量
- 短板：本身不自带语音合成，需要搭配讯飞 TTS 接口才能实现语音进、语音出的完整交互
接入 SparkAudio API 完整步骤
- 注册讯飞开放平台账号，进入控制台新建应用
- 在应用服务列表找到 SparkAudio API，开通服务，领取免费试用配额
- 获取 AppID、API Key、Secret 用于接口鉴权
- 根据业务场景选择流式接口（实时通话、直播、会议）或者文件接口（录音批量复盘）
- 上传音频或者推送音频流，设置采样率、编码格式参数
- 接收返回结果，包含转写文本、情绪、声音事件、说话人信息
- 测试稳定后，升级付费套餐，调整并发上限，上线业务
推荐落地场景清单
- 企业客服录音质检：自动识别对话内容、情绪波动、异常声音事件
- 车载智能座舱：车内嘈杂环境语音交互、车内环境音感知
- 硬件端 AI 眼镜、录音设备：录音实时转写 + 场景声音识别
- 会议、直播复盘：自动区分发言人、识别情绪、标记异常声响
- 音频内容审核：对播客、有声素材做内容理解、风险识别
- 教育、翻译设备：多方言多语种实时同传交互
使用注意事项
- 实时流式接口适合低延迟场景，对网络稳定性要求更高
- 音频编码支持 PCM、OPUS 等，需要按照文档要求处理 Base64 编码
- 免费额度有 QPS 并发限制，正式商用需要购买包量资源包
- 长音频建议做分段处理，避免单次请求超时
- 涉及隐私录音场景，需要遵守数据合规、录音告知相关法规
【常见问题】
问题 1：科大讯飞 SparkAudio 星火语音大模型上线 API 服务，这个 API 可以直接实现语音进语音出吗？
回答 1：科大讯飞 SparkAudio 星火语音大模型上线 API 服务，SparkAudio 负责音频理解、识别、问答，本身不包含语音合成，想要语音输出，需要搭配星火 TTS 语音合成 API 一起接入。
问题 2：科大讯飞 SparkAudio 星火语音大模型上线 API 服务，SparkAudio 支持哪些识别能力？
回答 2：科大讯飞 SparkAudio 星火语音大模型上线 API 服务，API 支持 37 种外语、202 种方言识别、语音同传、说话人分离、情绪识别、环境声识别、音频问答。
问题 3：科大讯飞 SparkAudio 星火语音大模型上线 API 服务，SparkAudio API 只能公有云调用吗？
回答 3：科大讯飞 SparkAudio 星火语音大模型上线 API 服务，默认提供公有云 API，同时也支持企业客户申请私有化部署方案。
问题 4：科大讯飞 SparkAudio 星火语音大模型上线 API 服务，SparkAudio 和普通星火语音识别 API 有什么区别？
回答 4：科大讯飞 SparkAudio 星火语音大模型上线 API 服务，普通语音识别 API 只做转文字；SparkAudio 是统一基座，一次性同时拿到文字、情绪、环境声音、说话人信息，理解能力更强。
【参考资料】
[2026-11-12]（科大讯飞星火语音大模型 SparkAudio 上线 API 服务）讯飞开放平台公告
[2026-10-26]（讯飞星火语音基座大模型 SparkAudio 1.0）讯飞研究院官网
[2026-10-27]（讯飞发布 SparkAudio 语音大模型，从听清到听懂环境声音）电子工程专辑
【免责申明】
SparkAudio API 的能力、配额、计费规则、接口参数以讯飞开放平台最新文档为准，免费额度、并发上限、套餐价格会随平台活动调整。本文仅为技术资讯科普，不构成项目开发、商业采购建议，音频采集、录音使用需要遵守个人信息保护相关法律法规。