科大讯飞11月12日宣布sparkaudio 1.0上线api服务。官方文档列出文本和语音两种输入、文本输出，支持99种语言和202种方言，可用于转写、翻译、说话人分离、环境音理解及音频问答；当前接口不生成输出语音。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
讯飞官方文档介绍Spark-Audio-1.0输入输出和资格条件
开发接口采用双向WebSocket事件流
接口地址为wss://tokens.xf-yun.com/omni/v1/realtime，通过请求头中的Bearer APIKey鉴权。客户端上传文本或音频片段后，需要主动发送input_audio_buffer.commit才开始推理，接口不自动进行VAD断句提交。
音频要求16kHz、16bit、单声道，文档列出pcm和wav，并说明当前会话输入解析格式固定为raw。单次append最多300秒，单个会话累计音频最多30分钟，还另有推理轮次与连接时长限制。
官方文档说明主动提交推理及会话限制
开通权限与收到最终结果是不同阶段
开发者需先在产品页取得可用额度或购买套餐，再从控制台取得该服务有效凭据。会话建立或配置被网关接受，不代表音频已经得到解答；完整结果和Token用量在每轮结束事件中返回。
产品页的多语言、多方言及复杂环境能力是厂商声明的适用能力，不代表任意录音都能达到相同识别效果。正式集成应按自己的语言、噪声和业务限制验证，并处理鉴权、参数、时长和模型错误。
大量免费API接口：立即使用
涵盖生活服务API、金融科技API、企业工商API、等相关的API接口服务。免费API接口可安全、合规地连接上下游，为数据API应用能力赋能！
