科大讯飞宣布 Spark-Audio-1.0-Preview 上线，这是一款基于全国产化算力训练的语音基座大模型。 过去，大模型处理音频大多采用级联方案：先把语音转成文字，再交给大模型理解。这种做法有两个明显短板：一是信息丢失——文字只能记录说了什么，会丢掉语音里自带的语气、情绪以及背景环境音等关键信息，导致模型对场景判断不完整；二是链路割裂——语音转写、声纹识别、语音翻译等能力被拆成独立模块串联运行，模块之间存在断点，容易累积错误，体验上也会出现延迟、卡顿。 不再只做转写，而是直接“听懂”语音 语音基…