科大讯飞上线语音基座大模型Spark-Audio-1.0-Preview，基于全国产化算力训练。传统音频处理多采用级联方案，先转文字再理解，存在信息丢失（忽略语气、情绪、背景环境音）和链路割裂（语音转写、声纹识别等环节分离）两大短板，影响场景判断完整性。
