知识卡片：科大讯飞 SparkAudio 1.0 语音基座大模型

一句话结论

科大讯飞发布语音基座大模型 SparkAudio 1.0，主打全国产算力训练，并通过三项关键技术分别优化表征、时延与算力开销，其上已孵化出同传、ASR 等专用模型并落地到输入法、AI 录音环等产品。

事件概述或研究问题

据腾讯研究院 AI 速递（2026-10-28）报道，科大讯飞发布语音基座大模型 SparkAudio 1.0，采用全国产算力训练。该基座模型旨在为下游语音任务提供统一底座，并在其上孵化多个专用模型，覆盖同传、语音识别等场景。

方法/产品要点

• 三项关键技术（据材料表述）：
  • SemiEnc：强化表征（具体机制待核实）。
  • S-S2S：压低时延（具体实现待核实）。
  • CoDec：降低算力开销（具体编解码设计待核实）。
• 下游专用模型：在基座之上孵化 Spark-ASR-2.0 等三大专用模型（其余两个具体名称与参数待核实）。
• 产品落地：已落地讯飞输入法、AI 录音环等产品。
• 硬件侧数据：35 克录音环，2 小时录音约 10 秒传至手机。

主要结果或产业意义

• 同传 MOS 由 4.4 提升至 4.6（评测集与测试条件待核实）。
• 以基座 + 专用模型的形态覆盖多类语音任务，并已进入消费级产品（输入法、录音环），体现从模型到终端的落地路径。
• 全国产算力训练，与科大讯飞此前强调的国产算力路线一致（参见既有星火 X2.6 卡片）。

为什么重要

• 语音是 AI 交互的高频入口，基座模型统一底座 + 专用模型分工，有利于降低多场景重复研发成本。
• “全国产算力训练”在国内算力受限背景下具有供应链与合规意义。
• 相对既有“星火 X2.6 端云一体”卡片，本条增量在于语音方向的基座模型及其三项技术（SemiEnc / S-S2S / CoDec）与专用模型、终端落地数据，属于同一厂商在语音赛道的新进展，而非重复陈述端云协同事实。

局限与不确定性

• 材料为二手速递摘要，三项技术的具体原理、参数量、训练数据规模均未给出，待核实。
• 同传 MOS 4.4→4.6 的评测基准、语种、对比对象未说明，待核实。
• “三大专用模型”仅点名 Spark-ASR-2.0，其余两个名称与能力待核实。
• 录音环“2 小时录音约 10 秒传至手机”的传输条件（蓝牙版本、文件大小）待核实。
• 发布日期与发布场合（是否为 1024 开发者节）材料未明确，待核实。

可用于图书/PPT/简报的角度

• 国产算力叙事：语音基座模型全国产训练，作为国产 AI 供应链案例。
• 基座 + 专用模型架构：一个底座孵化多个专用模型的产品化路径。
• 技术三支柱：表征、时延、算力开销三类优化对应语音交互的核心痛点。
• 端侧落地：录音环等轻量硬件与语音模型的结合，可作为“AI 硬件 + 模型”案例。
• 对比视角：与同厂商星火 X2.6 的端云一体路线并列，展示“通用大模型 + 语音基座”的双线布局。

原始材料

• 来源：腾讯研究院 AI 速递 20261028（搜狐转载）
• URL：https://m.sohu.com/a/1093562137_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334&digest_item=2
• 条目：二、科大讯飞发布语音基座大模型 SparkAudio 1.0，全国产算力训练
• 英文关键词：SparkAudio 1.0, SemiEnc, S-S2S, CoDec, Spark-ASR-2.0, MOS