科大訊飛在 2026 全球 1024 開發者節提出一條人機互動發展路線：先從語音互動出發，再延伸至多模態互動，最後走向能在實體世界中互動的機器人。SparkAudio 1.0 是語音階段的主角；公司也發布星火具身多模交互技術及機器人超腦平台 3.0。不過，現有報導對語音模型的說明較完整，機器人平台的實際功能則仍缺少具體細節。 1824

SparkAudio 1.0：不只辨識字句，也試著理解聲音場景

科大訊飛表示，SparkAudio 1.0 將機器翻譯、語音辨識與語意理解整合進同一個模型。官方公布的能力還包括同聲傳譯、語音互動、即時說話人分離、音訊與環境聲理解，以及情緒辨識。 1821

公司以「聲音偵探」形容它的目標：在嘈雜街頭辨別交疊的人聲，以及喇叭、叫賣聲和車輛等聲音，再根據線索判斷周遭情境。這是科大訊飛描述的能力示例，並非獨立的效能測試。 18

Preview 版規格不一定等於正式版

較早的報導介紹的是 Spark-Audio-1.0-Preview：採用 0.65B 參數的 Dense 音訊編碼器，搭配 30B-A3B 混合專家（MoE）語言模型；訓練資料包括 1,300 萬小時音訊及大量文字，並支援 99 種語言和 202 種方言。這些是 Preview 版時期公布的規格，現有報導無法確認它們是否全數原樣保留在開發者節發表的 SparkAudio 1.0 中。 634

Preview 版報導亦提到使用國產算力訓練。其中一份資料列出華為昇騰 910B 與海光 BW1000 晶片，但其他所引 Preview 報導沒有佐證這項具體硬體資訊。 63442

官方公布的效能數字，評測細節仍有限

發布報導將 SparkAudio 1.0 的技術創新概括為半監督音訊建模、動態分段端到端建模，以及雙範式協同解碼。科大訊飛公布的數字是：整體效果提升 20%、響應時間降低 15%、成本降低 60%。 1727

這些數字應視為公司公布的結果。相關報導沒有充分交代比較基準或評測方法，因此「整體效果提升」不能直接解讀成辨識準確率增加 20%，也不能視為經獨立驗證的結論。 1817

已導入部分產品，另推出 AI 錄音環

報導指出，SparkAudio 1.0 已導入訊飛輸入法 16.0、訊飛聽見、智能辦公本及翻譯機等產品。 1825

科大訊飛也發表一款可磁吸在手機背面的 AI 錄音環。發布報導稱，兩小時錄音約兩分鐘即可轉寫，綜合辨識準確率超過 96%；這些是產品公布的數據，並非所引報導中的獨立測量結果。 18

機器人方向已公布，實作細節尚待更多資訊

科大訊飛將星火具身多模交互技術與機器人超腦平台 3.0，定位為從語音介面走向實體機器人互動的一環。 1824

但現有活動報導不足以核實更多具體說法，例如降噪、辨認是哪個人在對機器人說話、語音與動作協同、由鏡頭觸發對話、裝置與雲端協作、前後端協同處理對話及背景任務、模組化產業客製化，或無人值守的機器人商店示範。就目前資料而言，這些不宜當作已確認的功能。 1824

較明確的訊息是科大訊飛希望以統一的音訊理解能力，作為邁向具身互動的一項基礎；至於機器人平台如何實際運作，公開資訊仍相對有限。 1824

科大訊飛在 2026 全球 1024 開發者節提出一條人機互動發展路線：先從語音互動出發，再延伸至多模態互動，最後走向能在實體世界中互動的機器人。SparkAudio 1.0 是語音階段的主角；公司也發布星火具身多模交互技術及機器人超腦平台 3.0。不過，現有報導對語音模型的說明較完整，機器人平台的實際功能則仍缺少具體細節。 1824

SparkAudio 1.0：不只辨識字句，也試著理解聲音場景

科大訊飛表示，SparkAudio 1.0 將機器翻譯、語音辨識與語意理解整合進同一個模型。官方公布的能力還包括同聲傳譯、語音互動、即時說話人分離、音訊與環境聲理解，以及情緒辨識。 1821

公司以「聲音偵探」形容它的目標：在嘈雜街頭辨別交疊的人聲，以及喇叭、叫賣聲和車輛等聲音，再根據線索判斷周遭情境。這是科大訊飛描述的能力示例，並非獨立的效能測試。 18

Preview 版規格不一定等於正式版

較早的報導介紹的是 Spark-Audio-1.0-Preview：採用 0.65B 參數的 Dense 音訊編碼器，搭配 30B-A3B 混合專家（MoE）語言模型；訓練資料包括 1,300 萬小時音訊及大量文字，並支援 99 種語言和 202 種方言。這些是 Preview 版時期公布的規格，現有報導無法確認它們是否全數原樣保留在開發者節發表的 SparkAudio 1.0 中。 634

Preview 版報導亦提到使用國產算力訓練。其中一份資料列出華為昇騰 910B 與海光 BW1000 晶片，但其他所引 Preview 報導沒有佐證這項具體硬體資訊。 63442

官方公布的效能數字，評測細節仍有限

發布報導將 SparkAudio 1.0 的技術創新概括為半監督音訊建模、動態分段端到端建模，以及雙範式協同解碼。科大訊飛公布的數字是：整體效果提升 20%、響應時間降低 15%、成本降低 60%。 1727

這些數字應視為公司公布的結果。相關報導沒有充分交代比較基準或評測方法，因此「整體效果提升」不能直接解讀成辨識準確率增加 20%，也不能視為經獨立驗證的結論。 1817

已導入部分產品，另推出 AI 錄音環

報導指出，SparkAudio 1.0 已導入訊飛輸入法 16.0、訊飛聽見、智能辦公本及翻譯機等產品。 1825

科大訊飛也發表一款可磁吸在手機背面的 AI 錄音環。發布報導稱，兩小時錄音約兩分鐘即可轉寫，綜合辨識準確率超過 96%；這些是產品公布的數據，並非所引報導中的獨立測量結果。 18

機器人方向已公布，實作細節尚待更多資訊

科大訊飛將星火具身多模交互技術與機器人超腦平台 3.0，定位為從語音介面走向實體機器人互動的一環。 1824

但現有活動報導不足以核實更多具體說法，例如降噪、辨認是哪個人在對機器人說話、語音與動作協同、由鏡頭觸發對話、裝置與雲端協作、前後端協同處理對話及背景任務、模組化產業客製化，或無人值守的機器人商店示範。就目前資料而言，這些不宜當作已確認的功能。 1824

較明確的訊息是科大訊飛希望以統一的音訊理解能力，作為邁向具身互動的一項基礎；至於機器人平台如何實際運作，公開資訊仍相對有限。 1824