语音

二是链路割裂——语音转写、声纹识别、语音翻译等能力被拆成独立模块串联运行，模块之间存在断点，容易累积错误，体验上也会出现延迟、卡顿。

在同一个模型中可输入文本和语音两个模态，支持语音转写、多语言翻译、多方言识别、环境音识别、说话人识别、情感分析以及复杂的音频问答等任务，让机器从“听清”进一步走向“听懂”。

与讯飞星火大模型的“1+N”体系类似，在语音基座大模型上也可进行微调，开发语音识别、语音同传、语音交互等专用模型或系统。

在Fleurs、Kespeech、LibriSpeech等中英文、多语言、多方言语音识别评测中，其得分高于Gemini-3.1Pro，并在Fleurs中文测试集中取得SOTA。

在多项任务中，与同尺寸的Qwen3.5-omni-flash（35B-A3B）相比，在多语言、多方言语音识别的平均效果上表现出优势；