摘要

科大讯飞星火多模态交互大模型于11月14日正式上线，把语音、视觉与数字人三条链路合成一套交互底座，支持超拟人极速响应，主要面向客服、教育与线下展厅场景。

11月14日，科大讯飞确认星火多模态交互大模型正式上线。该模型在同一个交互底座内同时处理语音、视觉与数字人形象，而不必在多套模型之间做拼接。

关键细节

三合一：语音识别与合成、视觉理解、数字人驱动统一到一套交互链路，减少跨模型调用的时延损耗。
响应形态：主打超拟人极速交互，即接近真人对话节奏的打断与接续。
场景落点：客服坐席、智慧教育与线下展厅的数字员工是主要方向，可与讯飞既有的行业解决方案对接。
产品背景：该模型在11月的科大讯飞全球1024开发者节期间发布，本次为正式上线；同期讯飞还公布了双 11 期间 AI 学习机、智能办公本、翻译机、录音笔与耳机的品类销量地位。
口径提示：响应速度等指标为厂商公布口径，未披露第三方对比数据。

行业意义

多模态交互的难点从来不是单点能力，而是把语音、视觉与形象驱动的时延对齐。三条链路合成一套底座，省下的是集成成本，比拼的是端到端体验。教育、客服与展厅是最早在意"是否像人"的场景，也是数字人产品最容易收到钱的场景——这决定了国内厂商在这一方向上会持续加码。

原文出处

科大讯飞官方发布与 1024 开发者节公开报道综合。

星火多模态交互大模型上线：三合一