科大讯飞发布全国产语音大模型 Spark-Audio，能听懂 202 种方言

一句话说清：科大讯飞发布用全国产算力训练的语音基座大模型 Spark-Audio-1.0-Preview，支持 99 种语言、202 种方言，已经开放体验。

发生了什么

2026 年 9 月 16 日，科大讯飞发布语音基座大模型 Spark-Audio-1.0-Preview。它和以往「先把语音转成文字、再交给大模型理解」的做法不同，是直接「听语音、懂意思」：同一个模型能同时处理文本和语音两种输入，支持语音转写、多语言翻译、多方言识别、环境音识别、说话人识别、情绪分析和复杂的音频问答。

几个硬信息：

• 采用 0.65B 音频编码器 + 30B（MoE 结构）大语言模型，用 1300 万小时音频和大量文本数据训练；
• 完全基于华为昇腾、海光等全国产算力集群训练，是业界首个全国产算力的语音基座大模型；
• 支持 99 种语言、202 种方言识别，在 Fleurs 中文测试集上取得最佳成绩，高噪声、小声说的复杂场景里明显领先；
• 目前已正式开放体验，API 后续上线讯飞开放平台。

对我有什么用

• 方言多、口音重也不怕：202 种方言覆盖粤语、闽南语等，对做客服、会议转写、跨语言沟通很有用。
• 它能「听懂情绪和环境」：不只记下了说了什么，还能分辨谁在说、什么语气、背景什么声音，比单纯转文字更聪明。
• 对开发者：基于这个语音基座可以微调出语音识别、同声传译、语音交互等专用模型，落地到汽车座舱、机器人、医疗病历等场景。

我可以怎么做

第一步：打开体验入口 https://iflytekresearch.iflytek.com/experience/spark-audio

第二步：用麦克风说一段话（或上传音频），看它怎么转写、翻译、识别方言。

第三步：试试方言或带环境噪音的录音，感受它在复杂场景下的识别效果。

温馨提醒

• 现在还是预览版（Preview），通用知识、数学、代码方面还有提升空间，别拿它当万能大脑。
• API 还没上线，企业批量调用要等讯飞开放平台后续通知。
• 「全国产算力」是它的卖点之一，对数据不出境、信创合规的场景特别合适。