简介
科大讯飞发布语音基座大模型SparkAudio 1.0，全部基于全国产算力训练。作为"基座"模型，它并非单一产品，而是其上孵化Spark-ASR-2.0等三大专用模型的底座，覆盖语音识别、合成与同传能力。
核心技术
- SemiEnc：强化语音表征学习，让模型更懂"语音里的语义"。
- S-S2S：语音到语音的直接建模，压低端到端时延。
- CoDec：降低算力开销，让语音模型能在端侧跑起来。
效果上，同传MOS（平均意见分）由4.4提升至4.6，已达到接近人工水平的主观听感。
落地产品
SparkAudio 1.0已落地讯飞输入法、AI录音环等自家产品。其中35克重的AI录音环可实现2小时录音、约10秒传输至手机，是"端侧小模型+云端大模型"协同的典型形态。
优缺点与前景
- 优点：全国产算力供应链安全可控；基座+专用模型架构复用性强；MOS提升实打实。
- 挑战：面对开源模型（如腾讯Hy-SimulMT）和海外巨头的竞争，生态开放度将是关键变量。
适合企业服务、会议转录、同传硬件等方向的开发者关注。相关阅读：腾讯开源同传模型Hy-SimulMT解读，模型详情见SparkAudio工具页。