SparkAudio 1.0 支持文本和语音两个模态的输入以及文本模态的输出，可支持语音转写、多语言翻译、多方言识别、环境音理解、说话人分离、情感分析以及复杂的音频问答等场景任务的实现。

　　官方表示，过去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：

　　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，还有背景环境音等关键信息，导致模型对场景的判断不完整，自然也会影响到最后的结果。

　　链路割裂：这套系统把语音转写、声纹识别、语音翻译等能力拆成独立模块串联运行，模块之间存在断点，不仅容易累积错误，在使用体验上也会出现延迟、卡顿。

　　据介绍，语音基座大模型解决了上面的这些问题：它不再只做语音转文字，而是直接理解语音。语音基座大模型一次性听懂人声、环境音、音乐等等，而且还能理解声音里的语义、情绪和场景。

　　男子到粮油店订57箱花生油并爽快付钱，店主以为天降大单，不料警察找上门：33205元货款是电信诈骗受害人的钱；两名嫌疑人已被刑拘

　　首都医科大学大一新生被电诈180万，细节曝光：先后取现、转账大量现金，交出450克黄金，骗子要求其切断与他人沟通

　　郭晶晶12岁闺女霍中妍正脸照曝了，网友全说基因太顶，小姑娘是标准鹅蛋脸，最像的是那双腰果眼，跟她奶奶、港姐朱玲玲年轻时几乎一样

　　不买新能源看它 15.6寸大屏+前后排通风加热，13.38万起的新亚洲龙还是你认识的丰田吗？

　　广东妈妈为6岁儿子做“山东饭”，孩子一个月胖2斤长高1.3厘米，网友：山东人的饮食有点说法