" 人机交互历来是牵引着产业革命的。" 科大讯飞董事长刘庆峰在 10 月 22 日举办的 2026 科大讯飞全球 1024 开发者节主论坛上做出明确表态，科大讯飞将沿着 " 语音交互—多模交互—具身多模交互 " 持续进阶，以软硬一体的技术和产品创新，引领新一代人机交互走进千家万户。
会上，星火语音大模型 SparkAudio 1.0、多模交互技术以及星火具身多模交互技术及相关产品纷纷亮相，形成一套系统解决方案。以此解决 AI 从数字世界走向物理世界过程中，要解决听清、看懂，还要在动态环境中理解意图、协调行动的能力。
语音交互：效果提升、响应更快、成本降低
在语音交互领域，高噪识别一直是行业难点，在此基础上的复杂音频感知和多人语音分析更属于进阶功能。
针对这些难点，科大讯飞发布星火语音基座大模型 SparkAudio 1.0，带来语音识别、同传和交互，以及音频理解、情绪识别、实时说话人分离和环境声理解等智能语音能力的全面提升。
这背后，是半监督音频编码器、动态分段端到端建模、双范式协同解码等三项技术创新，相关测试显示整体效果提升 20%、响应时间降低 15%、成本降低 60%，让语音服务更准确、更及时，也更易规模化应用。
SparkAudio 1.0 已在讯飞产品中上线，大家在讯飞输入法 16.0、讯飞听见、讯飞智能办公本等产品中都能体验。现场还发布了讯飞 AI 录音环，可如手机支架一样磁吸贴在手机背面，随时开启录音，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，已应用在 AI 眼镜、智慧座舱等产品
从语音交互走向多模交互，AI 不仅要能听会说，还要结合视觉信息理解场景，并将不同来源的信息准确对应起来，进一步提升理解与推理能力。
此次发布的多模交互技术进一步融合多模远场识别、多人交互、视听觉融合理解、个性化记忆和情感语义，让 AI 理解更丰富的场景信息。
讯飞 AI 眼镜就是该技术的典型应用产品。科大讯飞穿戴业务事业部总经理林会杰现场展示了刚刚用讯飞 AI 眼镜记录的刘庆峰演讲过程纪要，内容层次清晰、图文并茂。随后与西班牙语、英语使用者分别用各自母语交流，由眼镜实时翻译，他还通过眼镜为同台嘉宾点咖啡，并联动电脑端处理办公任务，呈现辅助记录、沟通和办事的应用场景。
汽车场景更考验远场拾音与抗噪能力。以 "47 秒念完 350 字 " 的语速著称的主持人华少体验星火智慧座舱 3.0 ，一口气对它说了一长段初次到一个城市的办事和接待需求，星火智慧座舱 3.0 不仅立刻理解、安排了最优路线，并顺带推荐了店铺、预定了餐厅。
星火智慧座舱 3.0 提供超 100 项多模感知能力，多模感知成功率超 95%，模糊理解准确率超 93%，车外远场交互距离达 30 米，远超行业平均水平，" 更懂你、会办事、超临感 "。
发布具身多模交互技术，推出机器人超脑平台 V3.0
" 人机交互历来是牵引着产业革命的。" 刘庆峰表示，机器人不仅要具备行动能力，更要能在行动中与人自然交流，在距离和噪声不断变化的环境中听清指令、理解多人意图，并协调语音与动作。
主会现场展示了机器人超市、机器人物流驿站，在现场嘈杂、多人围观的情况下，机器人都准确完成了任务。
科大讯飞还推出了机器人超脑平台 V3.0，整合星火超脑板、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。
本次主论坛，科大讯飞回应 AI 时代 " 如何兼顾安全与成本，如何从数字世界走向物理世界，如何将个人提效转化为组织成效 " 等关键问题。除了星火语音大模型 SparkAudio 1.0、星火具身多模交互技术及相关产品，科大讯飞还发布端云一体讯飞星火 X2.6 及系列产品，以及讯飞星帆 WinWork 数字员工平台和科大讯飞 AIPC 等，并面向智能硬件和企业应用等领域开发者发布新的技术解决方案，星辰 TaaS 平台也进一步推动 " 从 Token 到 Solution"。
