嘈杂环境里听清每一句话，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，公司董事长刘庆峰发布星火语音大模型 SparkAudio 1.0、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。

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SparkAudio 1.0，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。

SparkAudio 1.0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”。据悉，SparkAudio 1.0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96%。

记者了解到，科大讯飞还发布了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。

文/广州日报新花城记者：张露
广州日报新花城编辑：李光曼