科大讯飞在 10 月 22 日下午的全球 1024 开发者节上，把星火家族的第一块语音基石亮了出来，即星火语音基座大模型 SparkAudio 1.0。它把机器翻译、语音识别、语义理解这几样本领拧进同一个模型里，让基础语音能力整体往上抬了一截。
能分辨背景与说话人性别
在官方演示里，SparkAudio 1.0 借一段电影片段展示识别能力，不仅能分辨声音内容、背景和说话人的性别，还能对场景做出准确判断。官方称它在实时说话人分离、环境理解、音频理解和情绪识别上表现突出，正把人工智能往真实物理世界的应用推进一步。
四款产品同步上线
这块新基石已经落进讯飞的多款产品。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和说话人实时识别，边说边在两种语言之间跳转、身旁又有几个人先后开口，它都能跟得上、分得清。
配套 AI 录音环硬件
科大讯飞同期发布讯飞 AI 录音环，搭载 4+1 环麦阵列，走 Wi-Fi6 传输，宣称综合识别准确率超过 96%，一段 2 小时的录音转写只要 2 分钟就能跑完。录音环把麦克风阵列、无线传输和端侧算力打包成一枚可佩戴设备，录音之后直接回到讯飞听见与办公本等应用里做后续处理，硬件本身更接近一个入口而非独立终端。
从产品节奏看，这块语音基石和讯飞星火系列的语言能力是两条并行的线，一条解决听得准不准，一条解决说得清不清。
语音基座模型的开源与商业化正在同步推进，讯飞 AI 词典笔上架同样显示其把语音能力下沉到硬件终端的路径。
延伸阅读
- OpenAI 工程师被曝非法录音遭 FBI 逮捕：泄露高管会议、面临最高 5 年监禁1 周前
- CloudEdgeVLA 把拖累机器人的网络延迟变成可学问题：40 步延迟下仍有 63.8%~78.0% 成功率1 月前
- PS5变身高性价比本地AI服务器：270亿参数Qwen3.8实测每秒20.9词元5 天前
- 腾讯混元 Hy4 preview 轻量版开源：1.5TB 压到 214GB，4090 笔记本跑起来了2 月前
AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。
继续读
同一批更新里这几篇值得一看：
- MiniMax M3.1 Flash 拿下 Agent 第一：智能指数 43 分2026-10-22
- 八部门印发十五五产业基础规划：布局通用与行业大模型2026-10-23
- 中国电信星辰开源 Xing4.0-29B-Intent：275 万语料全放出2026-10-23