先升級產品再開功能，不用裝任何外掛。SparkAudio 1.0 的用法是把訊飛辦公本、輸入法、翻譯機或聽見升到最新版本，然後在錄音轉寫、語音輸入、同傳翻譯這些功能里正常使用，模型在後台自動調用，沒有單獨的開關。
四個入口對應四類設備，開法不完全一樣，共同點是不需要額外授權。
| 產品 | 開啟位置 | 典型場景 |
|---|---|---|
| 訊飛辦公本 | 錄音轉寫功能，新建錄音後自動識別 | 會議紀要、訪談整理 |
| 訊飛輸入法 | 鍵盤上的語音鍵，長按說話 | 短句輸入、邊想邊說 |
| 訊飛翻譯機 | 同傳模式，選好語言對 | 出境、商務洽談 |
| 訊飛聽見 | 匯入音訊或實時錄音轉寫 | 長音訊整理、字幕稿 |
表裡第二行的門檻最低，裝上輸入法就能試。想判斷這個語音智慧體的識別水平，用輸入法念一段帶方言詞和專有名詞的句子，看它第一次給的結果準不準，比看宣傳資料直觀。
會議場景的用法是新建錄音後直接錄，轉寫在後台跑，結束時文字稿已經成形。多人會議要看說話人是否被分開，分開了後面整理紀要才省事。
兩個設定值得先調。一是語言和方言，選對了識別率明顯更高；二是專業詞彙，把公司名、產品名、行業術語提前加進詞表，專有名詞的錯字會少很多。這兩項在設定裡皆可改，改完對後續錄音生效。
兩小時的錄音官方口徑是兩分鐘左右轉完，實際耗時會受音訊長度和設備狀態影響。轉完先看分段，段落切得合理，後面對照修改才順手。
輸入法的用法是按語音鍵說話，說完鬆開轉文字。這一環最吃延遲，響應慢半拍就會打斷思路，這也是實時互動能力被單列出來的原因。
長段落用連續語音模式，短指令用點按模式，兩種模式的體驗差別比想象中大。環境嘈雜時靠近麥克風說話，比調大音量有用，識別模型對訊雜比敏感，不對話筒音量敏感。
標點和分段靠模型自己判斷，說得太碎時它會拆成多句。要一段完整的文字，把話連起來說，別在句中停太久。
翻譯機上是同傳模式，選好語言對之後對著說，螢幕上出譯文和原文。對話場景要開雙屏或輪流模式，一人一句來回，單人長段落用連續同傳，兩種模式對延遲的要求不同。
聽見偏向把已有音訊批次轉寫，匯入檔案或者現場錄皆可。整理長音訊時先讓模型跑完再動手改，中途打斷會重新排隊；要引用某一句，用時間戳定位比翻文字快。
這兩條產品線的共同點是產出可編輯的文字，不是隻給一個結果頁。匯出格式按用途選，做字幕選帶時間碼的格式，做紀要選純文字。
這套能力掛在產品裡，出問題的位置多半在版本和權限，不在模型本身。
末一條踩的人最多。設備換到別的地區、系統語言被動過，識別選項跟著變，表現就是突然聽不懂話。把語言改回來，再補一次專業詞表，多半就恢復。
不需要。它不是一個可以單獨購買或開通的服務，能力已經整合在訊飛的產品裡，升級到最新版本就自動用上。個人使用者在產品內使用不額外收費，也沒有啟用碼這類東西。開發者要按介面調用，走的是開放平台的申請流程，和普通使用者的使用路徑分開。
看設備支援情況。端雲一體架構裡，端側負責即時響應，離線時基礎識別還能用，複雜任務要聯網。辦公本和翻譯機這一類設備多半提供離線包下載，在設定裡找語音或識別相關選項。沒裝離線包時斷網就只能等網路恢復，介面上會提示當前不可用。
有。模型在端側運行要吃算力，太老的設備會退到只能用雲端能力，離線識別那一檔跑不起來。判斷辦法是升級後看功能是否完整，缺離線選項基本說明硬體不支援。這種情況不影響聯網使用，只是斷網時體驗會打折，買二手設備前先查型號支援列表。
能。辦公本和聽見產出的均為可編輯文字，轉完直接在文稿裡改，改完可以匯出成文字、字幕或文件格式。要保留時間資訊就選帶時間碼的格式，做影片字幕時省一步對齊。多人對話先確認說話人標籤是否準確，標籤錯了整篇得返工。
權重不對外公開，能力按服務調用。SparkAudio 1.0 是訊飛自研的語音基座，官方沒有開源安排，也拿不到可下載的權重；用它的方...
2026-10-25
不做獨立的客戶端，能力隨硬體上線。SparkAudio 1.0 是科大訊飛推出的星火語音基座大模型，圍繞語音識別、同傳、實時互動三個...
2026-10-25
先下4B權重再配框架，顯存不夠就換量化版。星火X2.6 能在本地跑的只有端側那一檔 4B 開源權重，權重託管在模型倉庫裡，下載後...
2026-10-25
雲端看293B總參數那一檔，端側看4B開源權重。星火X2.6 的參數分兩套說：雲端是 293B 總參數、30B 啟用的 MoE，支援百萬 token...
2026-10-25
雲端同規格換了訓練底座，端側只剩4B一檔。星火X2.6 與星火X2.5 的雲端同為 293B 總參數、30B 啟用的 MoE，區別在訓練算力、...
2026-10-25