科大讯飞正式在讯飞开放平台上线星火语音基座大模型 SparkAudio 1.0 的 API 服务，开发者现在可以直接接入调用这个语音基座能力，它和传统语音级联方案不一样，不再是先转文字再交给大模型理解，而是端到端直接解析音频，能同时读懂语音内容、说话情绪、背景环境音，减少中间环节带来的信息丢失和错误累积，适合用到座舱、智能客服、会议转写、音频质检等场景。这款模型支持语音、文本两种输入方式，输出为文本，覆盖 99 种语言、202 种方言，依托半监督音频编码器、动态分段端到端建模、双范式协同解码三项技术优化，对比旧方案整体效果提升 20%、响应时间下降 15%、调用成本下降 60%，而且整套模型基于国产算力训练，方便企业做可控的语音智能化开发。
一、SparkAudio 1.0 API 支持能力清单
- 语音转写、多语言翻译、多方言识别
- 环境音理解、说话人分离
- 语音情感分析、复杂音频问答
二、传统级联方案和 SparkAudio 1.0 基座方案对比
| 方案类型 | 工作方式 | 主要短板 |
|---|---|---|
| 传统级联方案 | 语音→转文字→大模型理解 | 丢失情绪、环境音；多模块串联容易累积错误、延迟高 |
| SparkAudio 1.0 语音基座 | 音频直接送入模型端到端理解 | 保留声音里全部信息，链路短，出错更少 |
三、适合接入 SparkAudio 1.0 API 的业务场景
- 智能汽车座舱：识别车内多人对话、环境噪音，理解乘客情绪和指令
- 企业客服质检：自动分析通话录音、识别情绪、挖掘对话重点
- 跨国多方会议：实时多语种、方言转写和翻译
- 音频内容审核、医疗录音归档、智能录音设备配套
四、接入基础说明
- 接入入口：讯飞开放平台
- 输入：语音音频 / 文本
- 输出：文本
- 底层底座：国产算力训练
- 上层配套模型：星火语音识别 Spark-ASR-2.0、星火同传、实时语音交互模型
【常见问题】
问题 1：科大讯飞 SparkAudio 1.0 API 是什么，和普通语音识别接口有什么区别？
回答 1：SparkAudio 1.0 是星火语音基座大模型开放的 API 服务，普通语音识别接口大多只是把声音转成文字的级联方案，SparkAudio 1.0 可以直接端到端理解音频，除转写之外还支持环境音识别、情绪分析、音频问答，保留语气、环境声音信息，不只是单纯转文字。
问题 2：调用 SparkAudio 1.0 API 可以处理多少种语言和方言？
回答 2：SparkAudio 1.0 API 支持 99 种语言以及 202 种方言识别，多语种、多方言能力是这个星火语音基座大模型的核心优势之一，适合跨境业务、国内多地区方言场景。
问题 3：SparkAudio 1.0 语音基座 API 可以用在哪些产品里面？
回答 3：SparkAudio 1.0 语音基座 API 可以接入智能座舱、客服质检系统、会议系统、录音设备、AI 眼镜等产品，完成音频理解、语音问答、录音分析等能力搭建。
【参考资料】
[2026-11-13]（科大讯飞星火语音基座大模型 SparkAudio 1.0 正式上线 API 服务）AIBase
[2026-11-12]（科大讯飞星火语音基座大模型 SparkAudio 1.0 上线 API 服务）IT 之家
[2026-10-26]（讯飞星火语音基座大模型 SparkAudio 1.0）讯飞研究院
【免责声明】
本文仅为科大讯飞 SparkAudio 1.0 语音基座大模型 API 公开信息整理，不构成开发落地指导、采购建议；模型能力上限、调用资费、接口稳定性以讯飞开放平台官方文档为准；语音识别、音频理解效果会受信噪比、口音、音频质量影响，开发者上线前请充分自测。