訊飛星火9月16日上線全國産語音基座大模型Spark-Audio-1.0-Preview，采用0.65B音頻編碼器搭配30B-A3B大語言模型，使用1300萬小時音頻數據，支持99種語言及202種方言識别，已開放體驗。
觀點網訊：9月16日，訊飛星火全國産語音基座大模型Spark-Audio-1.0-Preview上線。該模型是基于全國産化算力訓練的語音基座大模型，目前已正式開放體驗，API後續将上線訊飛開放平台。
據訊飛星火方面消息，Spark-Audio-1.0-Preview采用0.65B（Dense結構）的音頻編碼器，搭配30B-A3B（MoE結構）的大語言模型，使用了1300萬小時音頻以及大量文本數據，基于純國産算力集群訓練完成。
該模型在同一個模型中可輸入文本和語音兩個模态，支持語音轉寫、多語言翻譯、多方言識别、環境音識别、說話人識别、情感分析以及復雜的音頻問答等任務。
在語言能力方面，Spark-Audio-1.0-Preview可支持99種語言及202種方言的識别。
與過去先把語音轉成文字、再交給大模型理解的級聯方案不同，語音基座大模型直接理解語音，可一次性聽懂人聲、環境音、音樂等，並理解聲音里的語義、情緒和場景。
免責聲明：本文内容與數據由觀點根據公開信息整理，不構成投資建議，使用前請核實。
審校：楊嘉英
版權聲明：觀點網絡信息科技有限公司及廣州觀點信息資訊服務有限公司擁有及保留其主辦暨承辦網站、論壇及活動的所有資料（包括但不限於文字、圖片、音頻、視頻資料及頁面設計、編排、軟件等）的所有權、版權等其他相關知識產權。除經授權合法使用上述資料外，未征得我司書面許可並付費，任何單位和個人不得以任何理由及方式使用上述資料（包括但不限於轉載、轉讓、授權他人使用等），否則我司將依法追究其法律責任以及賠償責任。
承印人：觀點網絡信息科技有限公司 (Guandian Network Information Technology Co.,Ltd.)
地址：香港灣仔菲林明道8號大同大廈15樓1505室（Room 5,15th Floor,Tai Tung Building,8 Fleming Road,Wan chai,HongKong Island,HongKong. ）
電郵：info@guandian.hk
移動端下載