讯飞 SparkAudio 1.0 上线 API：99 语种 202 方言，语音模型不再先转文字

要点

• 2026-11-12，科大讯飞宣布星火语音基座大模型 SparkAudio 1.0 在讯飞开放平台正式上线 API 服务，开发者可直接接入。
• 输入是两个模态、输出是一个模态：支持文本 + 语音输入，输出文本。这一点很重要——它能同时看「说了什么」和「怎么说的」。
• 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、情感分析、复杂音频问答。
• 覆盖 99 种语言、202 种方言，官方称在全国产算力底座上完成训练。
• 它要替代的是「级联方案」：过去先 ASR 转文字、再交大模型理解，官方点出两个硬伤——信息丢失（文字记不住语气、情绪、背景音）与链路割裂（转写、声纹、翻译各跑各的，错误累积、延迟叠加）。

背景与分析

语音这一块今年出现了一次明显的路线切换：从「语音识别 + 语言模型」的两段式，改成「原生语音大模型」的一段式。OpenAI 的实时语音、谷歌 Gemini 的原生音频输入、以及这次的 SparkAudio 走的都是后一条。

差别不只是架构好看，而是信息保真度。级联方案里，ASR 那一步做了不可逆的压缩：把声波压成文字，情绪、语速、停顿、背景里的键盘声、第二个人插话——全丢了。下游模型再聪明也补不回来。原生语音模型把这些特征留在表示里，所以它能回答「这个人是不是在敷衍」「现场是不是很吵」这类问题，级联方案根本无从下手。

这对客服质检、医疗病历、内容审核三个场景的冲击最直接。质检过去要看文字 + 听录音两遍，现在可以一次问完；病历过去要医生口述后人工整理，现在可以直接从问诊录音里抽结构化信息；内容审核过去只能审文字，现在能审语气与背景。

方言是讯飞的护城河，也是这次最有分量的一项。202 种方言不是营销数字——国内的客服、政务、车载场景，方言识别的准确率直接决定能不能用。这也是国产方案相对海外模型的结构性优势：海外模型的中文方言覆盖普遍很薄。

需要说清的是取证边界：本文依据的是 DoNews、AIBase、出版人杂志公众号（转述 IT之家）与腾讯新闻 AI 日报的多源交叉，讯飞开放平台的官方发布页与模型文档未能直接取得（firsthand: false）。因此模型参数规模、上下文长度、音频时长上限、定价四项都缺失，本文一律不填。

对开发者的影响

• 接入成本很低，但先看清计费单位。语音类 API 常按音频时长计费，而不是 token；SparkAudio 的计费口径官方没公布，接入前务必在控制台确认，否则「按 token 估算」会算错一个量级。
• 想清楚要不要保留原始音频。原生语音模型的价值在副语言信息，如果业务只保留转写文本，等于把它的核心能力扔了——存储与合规策略要跟着改。
• 客服 / 车载 / 会议转写这三个场景值得先试。它们的共同点是「多人 + 有噪声 + 需要情绪判断」，正好是级联方案最吃力的地方。
• 别把「全国产算力」当成纯政治表述。对要过等保、要做私有化的政企客户，训练与推理都在国产算力上完成，意味着整条链路可审计、可交付——这是采购时的硬条件。

AI 之家 观点

这条新闻本身不大（一个 API 上线），但它标记的路线值得记：语音交互的瓶颈已经从「听得清」变成「听得懂」。听得清靠 ASR 精度，早就到了 95% 以上的可用区间；听得懂靠副语言信息，这是级联方案的结构性缺陷。

讯飞选在这个时间点开放 API，时机是对的——Agent 落地正需要「能听会看」的入口，而国内能提供原生语音基座的厂商不多。真正的竞争不在识别率，而在谁能把语音能力接进 Agent 的工作流：会议里实时理解、车机里连续对话、客服里判断情绪升级。这些场景要的不是一个转写接口，是一个能挂工具、能多轮的语音 Agent。

两点保留：一是定价完全没公开，这在实际选型里是决定性的，没有价格就没法跟阿里、字节、OpenAI 的语音方案比；二是「99 语种」里非中文语种的实际质量没有任何公开评测，多语言场景建议先拿自己的语料压测，别按数字排期。

相关阅读

• 同日国内动态：百度世界 2026：文心闪电与文心一镜
• 语音 / 多模态路线：Gemini 4 Hydrogen（原生多模态） · Gemini Omni 1.2 Flash
• 落地平台：扣子 · Dify · LiteLLM
• 概念：原生多模态

来源

• { title: "星火语音基座大模型 SparkAudio 1.0 上线 API 服务（DoNews，2026-11-12）", url: "https://www.donews.com/news/detail/1/6771878.html" }
• { title: "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）", url: "https://news.aibase.com/zh/news/32302" }
• { title: "技术赋能丨科大讯飞星火语音基座大模型 SparkAudio 1.0 上线 API 服务（出版人杂志公众号，转述 IT之家 2026-11-12 报道，含 99 语种 / 202 方言口径）", url: "http://mp.weixin.qq.com/s?__biz=Mzk4ODEzMTIzNQ==&mid=2247487815&idx=3&sn=10fbdf09f21ef4801dff9907b78dc64e" }