大皖新闻讯 嘈杂环境里听清每一句话西宁证券配资服务中心，多人交谈中找准回应对象，甚至是在复杂声音场景中听懂人类语言以外的声音……AI从数字世界走向物理世界，不仅要听清、看懂，还要在动态环境中理解意图、协调行动。
10月22日，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SparkAudio1.0、多模交互技术以及星火具身多模交互技术及相关产品。“大家千呼万唤，期待机器人从运动会、表演舞台走向日常生活、走进千家万户。”刘庆峰表示，科大讯飞沿着“语音交互—多模交互—具身多模交互”持续进阶，以软硬一体的技术和产品创新，引领新一代人机交互走进千家万户。
语音交互：效果提升、响应更快、成本降低
在语音交互领域，高噪识别一直是行业难点，在此基础上的复杂音频感知和多人语音分析更属于进阶功能。
针对这些难点，科大讯飞发布星火语音基座大模型SparkAudio1.0，带来语音识别、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等智能语音能力的全面提升。
SparkAudio1.0有刑侦剧中“声音侦探”的类似能力，即使置身嘈杂的街头，也能辨别喇叭声、叫卖声、车轮摩擦地面的声音，分清交织的人声，从声音线索中推理周围环境，不仅“听清说了什么”，更能“听懂发生了什么”。
这背后，是半监督音频编码器、动态分段端到端建模、双范式协同解码等三项技术创新，相关测试显示整体效果提升20%、响应时间降低15%、成本降低60%，让语音服务更准确、更及时，也更易规模化应用。
SparkAudio1.0已在讯飞产品中上线，大家在讯飞输入法16.0、讯飞听见、讯飞智能办公本等产品中都能体验。现场还发布了讯飞AI录音环，可如手机支架一样磁吸贴在手机背面，随时开启录音，2小时录音转写仅需2分钟，综合识别准确率超过96%。
多模交互，已应用在AI眼镜、智慧座舱等产品
从语音交互走向多模交互，AI不仅要能听会说，还要结合视觉信息理解场景，并将不同来源的信息准确对应起来，进一步提升理解与推理能力。
此次发布的多模交互技术进一步融合多模远场识别、多人交互、视听觉融合理解、个性化记忆和情感语义，让AI理解更丰富的场景信息。
讯飞AI眼镜就是该技术的典型应用产品。科大讯飞穿戴业务事业部总经理林会杰现场展示了刚刚用讯飞AI眼镜记录的刘庆峰演讲过程纪要，内容层次清晰、图文并茂。随后与西班牙语、英语使用者分别用各自母语交流，由眼镜实时翻译，他还通过眼镜为同台嘉宾点咖啡，并联动电脑端处理办公任务，呈现辅助记录、沟通和办事的应用场景。
这副重约40克的眼镜，通过5麦阵列、骨传导与唇动识别协同改善复杂环境拾音，支持120余种语言翻译，同传首响低至2秒。不仅有智能提词、声图文纪要、多语种翻译等功能，还能拍照搜索、实时导览、骑行记录，助力工作和生活。
汽车场景更考验远场拾音与抗噪能力。以“47秒念完350字”的语速著称的主持人华少体验星火智慧座舱3.0，一口气对它说了一长段初次到一个城市的办事和接待需求，星火智慧座舱3.0不仅立刻理解、安排了最优路线，并顺带推荐了店铺、预定了餐厅。
星火智慧座舱3.0提供超100项多模感知能力，多模感知成功率超过95%，模糊理解准确率超过93%，车外远场交互距离达30米，远超行业平均水平，“更懂你、会办事、超临感”。
发布具身多模交互技术，推出机器人超脑平台V3.0
配资世家炒股开户“人机交互历来是牵引着产业革命的。”刘庆峰表示，机器人不仅要具备行动能力，更要能在行动中与人自然交流，在距离和噪声不断变化的环境中听清指令、理解多人意图，并协调语音与动作。
从智能终端走向移动机器人，交互还要适应空间变化、多人参与和动作执行。针对这些挑战，科大讯飞发布星火具身多模交互技术，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与执行、视觉触发的主动交互等方面取得突破，让机器人在动态环境中既能与人交流，又能协同完成任务，为其进入家庭和社会服务场景提供关键技术支撑。
现场还展示了机器人超市、机器人物流驿站，在现场嘈杂、多人围观的情况下，机器人都准确完成了任务。
科大讯飞还推出了机器人超脑平台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，让机器人前台畅聊不停、后台持续办事，并支持模块化、配置化的行业定制。
大皖新闻记者 徐琪琪 王腾飞
编辑 崔恒西宁证券配资服务中心
元股证券—线上配资服务丨正规平台透明清晰提示：本文来自互联网，不代表本网站观点。
- 上一篇：配资公司风险对比 “90后”周晓堂担任江阴银行副行长
- 下一篇：没有了
相关文章
大盘行情指数走势
热点资讯