10月22日，科大讯飞在2026全球1024开发者节主论坛上发布星火语音基座大模型SparkAudio 1.0及多模交互技术。董事长刘庆峰表示，公司正沿着“语音交互—多模交互—具身多模交互”路径推进，通过软硬一体创新，加速AI技术走入日常生活。
SparkAudio 1.0突破高噪环境识别难题，支持复杂音频感知与多人语音分析。该模型通过半监督音频编码器、动态分段端到端建模等技术创新，实现整体效果提升20%、响应时间降低15%、成本降低60%。其“声音侦探”能力可分辨街头喇叭声、车轮摩擦声等环境音，甚至能从交织人声中推理场景信息。目前该模型已集成于讯飞输入法16.0、讯飞听见等产品，新推出的AI录音环可实现2小时录音2分钟转写，识别准确率超96%。
多模交互技术已落地AI眼镜与智慧座舱。讯飞AI眼镜重40克，集成5麦阵列与骨传导拾音，支持120种语言实时翻译，同传首响仅需2秒。现场演示显示，该设备可同步完成演讲纪要记录、多语种交流、智能点餐等任务。星火智慧座舱3.0则通过多模感知能力，实现30米远场交互与模糊理解准确率超93%，能根据用户需求自动规划路线并推荐餐厅。
针对机器人应用场景，科大讯飞发布具身多模交互技术与机器人超脑平台V3.0。新技术突破动态降噪与多目标交互识别，在嘈杂环境仍能准确完成指令理解与任务执行。现场展示的机器人超市与物流驿站演示了其在复杂场景中的稳定表现。超脑平台通过端云协同架构，支持模块化行业定制，实现机器人“前台畅聊、后台持续办事”的能力。
科大讯飞持续探索AI技术从数字世界走向物理世界的路径，通过语音、视觉、动作等多模态融合，推动人机交互向更自然、智能的方向发展。
