科大讯飞在今日下午的全球1024开发者节上，把星火家族的第一块语音基石正式亮了出来——星火语音基座大模型 SparkAudio1.0。它把机器翻译、语音识别、语义理解这几样本领拧进同一个模型里，让基础语音能力整体往上抬了一截。
在官方演示里，SparkAudio1.0借一段电影片段秀出了它的"耳朵"有多尖:不仅能精准分辨声音内容、背景和说话人的性别，还能对场景做出准确判断。官方称，它在实时说话人分离、环境理解、音频理解和情绪识别上都"表现卓越"，正把人工智能往真实物理世界的应用推进一步。
这块新基石已经落进讯飞的多款产品里。讯飞输入法16.0、讯飞听见、讯飞办公本、讯飞翻译机全面上线，支持中英文任意切换和说话人实时识别——也就是说，你边说边在两种语言之间跳转、身旁又有几个人先后开口，它都能跟得上、分得清。
配套硬件也一并端了出来。科大讯飞发布"讯飞 AI 录音环"，搭载4+1环麦阵列、走 Wi-Fi6传输，宣称综合识别准确率超过96%，一段2小时的录音转写只要2分钟就能跑完。
原懒人听书核心团队打造的万象有声推出海外版 Audimind（audimind.ai），定位有声书制作工具，支持演播者与团队在同一项目内完成文稿处理、真人录音或 AI 配音、对轨、后期、审听及团队分工。免费版每月赠 10,000 积分，个人版 19 美元/月起，团队版 59 美元/月起，产品已在 Product Hunt 上线。
【AI日报】聚焦AI热点与开发趋势。科大讯飞发布星火X2.6端云一体大模型，基于国产算力训练，采用293B A30B MoE架构，上下文长度达1M，重点提升代码与智能体能力，推动智能体能力同步升级，并推出相关AI新功能。该模型展现国产大模型在算力、长上下文和智能体方向的新进展。
科大讯飞在全球1024开发者节发布讯飞星火X2.6端云一体大模型，首次基于全国产算力，同时实现代码与智能体能力。董事长刘庆峰称，大模型公司中仅星火纯用全国产算力训练，其余几乎依赖英伟达，且讯飞模型尺寸最小。为提升国产算力效率，讯飞正持续优化。
英伟达10月21日宣布，与六家供应链伙伴全球扩产，以承接加速计算和全栈AI工厂平台持续增长的需求。六笔合作半数以上聚焦基板环节，计划未来三年将所需基板产能扩至当前2.5倍。日本揖斐电获数十亿美元预付款，用于扩建日本小野工厂，新增产能约为现有两倍，预计2028年。
英伟达宣布大幅扩容开源机器人平台NVIDIA Isaac，推出新人形机器人参考样机、数据集与运行时，并升级机器人学习框架，推动物理AI加速落地产业。思灵机器人同步发布全栈人形机器人参考样机Agile ONE SN，预装NVIDIA Isaac GR00T，搭载Jetson Thor边缘AI平台，身高1.4米、重40千克、31个自由度，单臂最大负载3千克。
关注 “悠AI” 更多干货技巧行业动态
相关文章
