北京
10月22日，2026科大讯飞全球1024开发者节主论坛正式揭幕。董事长刘庆峰现场发布系列重磅技术与产品，星火语音基座大模型SparkAudio 1.0全新亮相，多模交互技术已落地AI眼镜、智慧座舱等终端，更推出面向机器人时代的具身多模交互技术与机器人超脑平台V3.0。
从语音交互到多模交互，再到能行动、能协同的具身多模交互，科大讯飞正沿着清晰的技术路径，推动AI从数字世界走进物理世界，让新一代人机交互走向千家万户。
SparkAudio 1.0：不止听清，更能听懂环境
高噪环境下的精准识别、复杂音频感知、多人语音分离，一直是语音交互领域的核心难点。此次发布的星火语音基座大模型SparkAudio 1.0，实现了语音识别、语音同传、音频理解、情绪识别、实时说话人分离、环境声理解等全维度能力升级。
简单来说，它就像一位声音侦探，哪怕站在嘈杂的街头，也能分清喇叭声、叫卖声、车轮摩擦声，从交织的人声里锁定目标说话人，不仅能听清内容，更能通过声音线索推理出周围发生了什么。
支撑这份能力的是半监督音频编码器、动态分段端到端建模、双范式协同解码三项核心技术创新。实测数据显示，其整体效果提升20%，响应时间降低15%，综合成本降低60%，在兼顾精度与速度的同时，大幅降低了规模化应用门槛。
目前SparkAudio 1.0已在讯飞全系产品上线，用户在讯飞输入法16.0、讯飞听见、讯飞智能办公本中均可体验。现场同步发布的讯飞AI录音环，可磁吸在手机背面随时启用，2小时录音转写仅需2分钟，综合识别准确率超96%。
多模交互落地：眼镜能办公，座舱能办事
从单一语音走向多模态，AI的核心升级是结合视觉理解场景，将听觉与视觉信息精准对应，大幅提升场景理解与推理能力。
科大讯飞本次发布的多模交互技术，融合了多模远场识别、多人交互、视听觉融合理解、个性化记忆与情感语义等能力，目前已在消费端与车载端落地。
讯飞AI眼镜整机仅约40克，通过5麦阵列+骨传导+唇动识别协同提升复杂环境拾音效果，支持120余种语言翻译，同传首响低至2秒。除了智能提词、声图文纪要、多语种翻译，还支持拍照搜索、实时导览、骑行记录，并能联动电脑端完成办公任务，相当于戴在眼前的超级AI助理。
星火智慧座舱3.0针对车载远场、高噪场景优化，多模感知成功率超95%，模糊理解准确率超93%，车外远场交互距离可达30米，远超行业平均水平。现场主持人华少以极语速说出复杂的出行与接待需求，系统瞬间完成路线规划、店铺推荐与餐厅预定，实现更懂你、会办事、超临感的交互体验。
进军具身智能：发布机器人超脑平台V3.0
“人机交互历来是牵引产业革命的核心动力。”在刘庆峰看来，机器人不能只停留在舞台表演，更要走进真实场景，在动态变化的距离与噪声中听清指令，理解多人意图，并协调语音与肢体动作。
针对移动机器人的交互痛点，科大讯飞正式发布星火具身多模交互技术，在复杂空间动态降噪、多目标人物交互意图识别、语音与动作统一规划与执行、视觉触发的主动交互四大方向实现突破。
现场展示的机器人超市、机器人物流驿站场景中，即便环境嘈杂、多人围观，机器人依然能准确识别指令并完成任务，验证了技术在真实场景的可用性。
同时推出的机器人超脑平台V3.0，整合了星火超脑板、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，让机器人实现前台畅聊不停、后台持续办事，并支持模块化、配置化的行业定制，降低机器人开发与落地门槛。
除了交互技术全线升级，本次开发者节还带来了端云一体讯飞星火X2.6及系列产品、讯飞星帆WinWork数字员工平台、科大讯飞AIPC等，并面向智能硬件与企业应用开发者推出全新技术解决方案，星辰TaaS平台也进一步推动AI价值从Token到Solution。
“人工智能是一场凝心聚力的长跑。”正如刘庆峰在现场所说，随着语音、多模、具身交互技术的逐层落地，机器人从展示舞台走进日常生活、走进千行百业的进程，正在持续加速。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
