会懂网AI资讯，9月16日，科大讯飞正式上线语音基座大模型Spark-Audio，这是一款基于全国产算力打造的全新语音大模型，延续了星火大模型在语音识别、语音合成与语义理解领域的长期技术优势。该模型的发布意味着国产语音人工智能在底层基础设施层面进一步走向自主可控，也为后续多场景的语音交互提供了统一的能力底座与工程支撑，值得整个行业重点关注和持续跟踪。
据科大讯飞方面介绍，Spark-Audio立足于星火大模型在语音识别、语音合成与语音理解方面多年的技术积累，将原本分散的单点语音能力升级为可复用的语音基座。相比此前各自独立的模块，新的基座模型更强调统一表征与跨场景迁移能力，能够稳定支撑智能客服、个人助手、智能硬件等多种形态的语音应用，有效降低企业的接入与运维门槛，并提升整体交付效率。
值得关注的是，Spark-Audio强调基于全国产算力完成训练与推理，这在当前算力供应链不确定性上升的背景下具有鲜明的现实意义。通过将模型与国产人工智能芯片、国产深度学习框架进行深度适配，科大讯飞希望减少对外部技术栈的依赖，提升语音人工智能基础设施的自主可控水平，也为政务、金融等敏感行业提供更可信的本地化部署选项与合规保障能力。
在Spark-Audio发布之前，科大讯飞已经推出了AStudio桌面人工智能生产力平台，其底层对应星火X2.5能力，面向个人与办公场景提供文档处理、智能写作、问答总结等生产力工具。语音基座的同步上线，使星火的产品矩阵从文本与多模态进一步延伸到专业语音赛道，形成更完整、更连贯的端到端人工智能能力布局与相对闭环的开发者生态。
业内普遍认为，语音正重新成为大模型竞争的关键入口之一。随着端侧设备、车载座舱、智能硬件对自然语音交互的需求快速增长，拥有自研语音基座的厂商在体验一致性与综合成本上更具优势。科大讯飞凭借多年的语音技术沉淀与行业数据积累，有望在国产替代与行业落地两条线上同时受益，巩固其既有领先地位并拓展新的应用场景。
下一步，Spark-Audio的能力预计将逐步开放给开发者与企业客户，并通过讯飞开放平台与星火生态对外输出。随着国产算力集群规模持续扩大与模型优化不断深入，科大讯飞能否把语音基座的自主可控优势转化为更广的市场份额与更深的行业渗透，将是其后续需要回答的核心问题，也值得整个行业持续观察并客观评估其实际成效与商业回报。
暂无评论内容