科大讯飞发布SparkAudio 1.0与星火X2.6-4B，语音模型调用量增20倍且端侧达云端70%能力

科大讯飞于10月22日集中披露新一代人机交互技术，正式发布星火语音基座大模型SparkAudio 1.0及端云一体通用大模型星火X2.6系列，其中端侧模型Spark-X2.6-4B已实现约70%的云端能力。根据讯飞开放平台数据，2026年语音大模型相关调用量同比增长超过20倍，显示智能硬件对大模型的需求已从基础对话转向复杂场景理解。

核心证据在于架构与能力的实质性迁移：SparkAudio 1.0打破了传统级联架构（降噪-识别-NLU-TTS）的信息损失瓶颈，将情绪识别、说话人分离和环境声理解纳入统一体系，在多人同时交互场景下串扰率降至1.7%以下；端侧Spark-X2.6-4B拥有约41亿参数和百万Token上下文，支持工具调用与Agent任务，使得敏感数据和高频简单任务可本地化处理。董事长刘庆峰预测未来约60%应用可在本地完成，30%通过端云协同解决。

这一进展标志着语音交互主体正从单台设备向“整个空间”转移，通过统一云端Agent管理上下文，实现跨设备自动换端与任务协同。事实层面，材料明确给出了20倍增长、70%能力替代率及1.7%串扰率等量化指标；推断层面，端侧模型能力的提升可能加速硬件厂商降低对云端算力的依赖并优化单位经济模型；猜测层面，多语种免切换与具身交互技术的成熟度将决定其在海外市场的实际渗透速度，具体商业落地节奏仍需观察后续装机量与激活量的转化效率。