搜索
星火语音基座大模型 SparkAudio 1.0 上线 API 服务
1 小时前
科大讯飞宣布，讯飞星火语音基座大模型SparkAudio 1.0已在讯飞开放平台上线API服务，开发者可直接接入调用。该模型支持文本与语音双模态输入、文本模态输出，可实现语音转写、多语言翻译、多方言识别、环境音理解、说话人分离、情感分析及复杂音频问答等任务，解决了传统音频处理级联方案信息丢失、链路割裂的短板，能直接理解语音，同步捕捉人声、环境音、音乐及声音承载的语义、情绪与场景信息。相较上一代模型，其实现三方面升级：支持99种语言、202种方言，可处理多语言语音识别与翻译；从语音识别升级为多维音频理解，能解读语音深层含义，适配智能客服、汽车座舱、跨语会议、医疗病历、内容审核等场景；采用全国产算力训练，为开发者及行业应用提供自主可控的语音智能底座。
