2026年10月24日，科大讯飞星火语音基座大模型 SparkAudio 1.0 按 10 月 22 日 1024 开发者节上公布的安排上线，同步向讯飞办公本 X5 与 Air3 推送更新，模型基于全国产算力训练。这一版最核心的变化不是听得更清，而是开始分得清谁在说话。
变化不在听清，而在归属
过去的会议转写主要解决两件事：把声音留下来，再把声音变成字。SparkAudio 1.0 新拓展的“实时说话人分离”往前多走了一步：转写时会先把声音按人分开，标成说话人 1、说话人 2，点开补上名字后，这个人的声音特征就被记下来，下一场会议他再开口，记录里直接出现名字，不再是编号。顺序也倒了过来：不用会前把参会者挨个叫来录音注册，边开边认、认出来再补名字，临时加座、中途进场的人也不容易漏掉。
抢话和术语这两处硬骨头
真实会议很少轮流发言，两个人同时开口、一个人没说完另一个就接上，都是常态。普通转写遇到这种片段，容易把两路声音糊成一段，或者干脆丢掉重叠的几秒。按人拆开的做法是先判断有几路声音、各自是谁，再把每一句归位：谁先起的话、谁接的、哪半句是插进来的，都落到对的人头上。另一处硬骨头是语言混杂：中英文夹着说、行业术语直接念，错一个字就可能改写原意。讯飞的做法是术语可以会前手写校正、批量导入，校正过的说法会留下来，下一场继续作为上下文调用，词认对了，人才能认准。
谁会先用上
最先受益的是那些散会后要直接用记录的场合：正式会议、评审会、需要追溯“当初是谁提的这个方案”的讨论。记录在生成那一刻就带上了署名，省掉了会后逐句核对的环节。不过也要说清边界：目前公开的信息主要来自开发者节上的介绍和演示，真实会议室里的噪声、口音和多人抢话强度各不相同，实际效果还要以升级后的真实体验为准。对用户来说，判断标准很简单：下一场会开完，打开记录，先看抢话的那几十秒有没有分对人。
