科大讯飞发布星火语音大模型 推机器人超脑V3.0

10月23日晚，在2026科大讯飞全球1024开发者节主论坛上，董事长刘庆峰发布星火语音大模型SparkAudio 1.0、多模交互技术及星火具身多模交互技术，并提出沿语音交互、多模交互、具身多模交互持续进阶的路线。

SparkAudio 1.0针对高噪环境识别、复杂音频感知与多人语音分析等难点，提升了语音识别、同传和交互，以及音频理解、情绪识别、实时说话人分离和环境声理解能力。官方称其可在嘈杂街头分辨喇叭声、叫卖声与车轮摩擦声，从声音线索推理所处环境。相关语音识别测试中，整体效果提升20%，响应时间降低15%，成本降低60%。

该模型已在讯飞输入法16.0、讯飞听见、讯飞智能办公本等产品上线。会上还发布讯飞AI录音环，可如手机支架般磁吸于手机背面，2小时录音转写仅需2分钟，综合识别准确率超96%。

多模交互技术融合多模远场识别、多人交互、视听觉融合理解、个性化记忆与情感语义，典型应用为讯飞AI眼镜。具身多模交互技术则在复杂空间动态降噪、多目标人的交互意图识别、语音与动作统一规划执行、视觉触发的主动交互等方面取得突破，为机器人进入家庭和社会服务场景提供支撑。

同步推出的机器人超脑平台V3.0整合星火超脑板、具身智能开发套件、多模态交互模组及具身多模交互Harness，通过端云协同、前后台协同，让机器人前台畅聊、后台持续办事，并支持模块化、配置化的行业定制。