当一位只会说湛江话的阿伯拨通10000号，电话那头的人工智能客服，第一次"秒懂"了他。
在很多年里，运营商的智能语音系统都活在一种"普通话幻觉"里。训练语料是新闻联播式的标准普通话，评测指标是普通话字准确率，演示场景是字正腔圆的普通话问询。一旦系统被推到真实世界的下沉市场、银发人群、县域乡镇，那套精心打磨的模型就会瞬间"失语"——一句带着浓重乡音的"我家的网怎么用不了了"，对机器来说和加密电报没有区别。
这不是运营商独有的痛点，但运营商的感受最深。原因很简单：通信是覆盖全民的基础服务。运营商的客户结构里，方言区的老年人、县域用户、外来务工群体恰恰是电话客服的主要来电人群——他们最需要帮助，也最不会用 App 自助，而他们的方言，传统语音系统几乎听不懂。
传统方案的解法是"一区一模型"：给广东训一个粤语模型，给四川训一个四川话模型，给福建训一个闽南话模型。模型越分越多，语料越切越碎，维护成本指数级上升，更致命的是——它解决不了"混说"。一个四川阿姨在通话里一会儿普通话一会儿四川话还蹦两个英文词，这种语码切换（code-switching）会让任何单一方言模型当场崩溃。
中国电信人工智能研究院（TeleAI）选择了一条完全不同的路：用一个大模型，把所有方言和语言装进同一个大脑。这就是星辰超多方言语音识别大模型。2024年5月，它以"业内首个支持30种方言自由混说"的身份登场；不到半年后的11月，它把方言数推到40种，并加入了对英文的识别，做到了普通话、英文、40种方言在同一句话里任意混说。2025年12月，依托这套能力，星辰大模型体系成为央企首个"全模态、全尺寸、全国产"的大模型体系；2026年1月1日，它入选国务院国资委发布的"2025年度央企十大国之重器"。
这是一个关于"听懂"的工程故事，也是一个运营商自研大模型如何从实验室走进每天百万通电话的真实落地案例。
要理解星辰语音大模型的价值，得先看清传统语音识别（ASR）工程化的死结。
传统ASR是一条被切得很碎的流水线：声学模型负责把声音变成音素，语言模型负责把音素拼成合理的话，每个方言还要单独配一套。当你想把服务从普通话扩展到全国方言，本质是在做N套独立系统的堆叠。每加一个方言，就要采集该方言的标注语料（这极其昂贵且稀缺）、训练一个新模型、部署一套新服务、维护一套新的迭代管线。方言越多，系统越像一锅乱炖，混说场景更是无解。
星辰语音大模型的破局点在于统一建模（unified modeling）：它不区分"这是普通话通道""那是粤语通道"，而是用一个单一的神经网络，把普通话、英文和40种方言的语言学特征映射到共享的表征空间里。模型在训练时同时"看"所有这些语言，让它们互相借力——数据稀疏的小语种方言可以借助普通话和其他大方言的共享表征来补足，而不是各自为政地饿肚子。
这带来三个工程层面的质变：
第一，"一个ASR"覆盖全国。 过去运营商在不同省份上线客服，要按方言区对接不同的语音模型，部署、灰度、监控都要做N遍。现在一个模型就能识别全国多个方言区域，部署模型从"一群"变成"一个"，运维复杂度断崖式下降。
第二，真正解决混说。 模型本身就是在多语言混合的语料上联合训练的，所以"普通话夹方言夹英文"对它不是异常输入，而是常态输入。一句"我这个router一直掉线，啥子情况嘛"，它能连贯理解，而不是在普通话模型和四川话模型之间来回切换时丢字。
第三，扩方言等于调模型，而不是建系统。 从30种方言加到40种，从加英文到攻克湛江话、宜宾话、洛阳话、烟台话，靠的是继续训练和参数扩容，而不是新起一个项目。官方披露，升级时模型的参数量增加了一倍，识别准确率大幅提升——这正是一个大模型持续"长大"的标准动作，而非传统ASR那种缝缝补补。
下面的架构图展示了星辰语音大模型相对传统"一区一模型"ASR的根本差异：
flowchart TD
subgraph TRAD["传统方案：一区一模型"]
direction TB
T1[粤语模型] --> TM[方言区A路由]
T2[四川话模型] --> TM2[方言区B路由]
T3[闽南话模型] --> TM3[方言区C路由]
T0[普通话模型] --> TM0[标准路由]
TM ---|混说场景崩溃| TX[❌ 语码切换无解]
end
subgraph XC["星辰方案：统一多语言大模型"]
direction TB
IN[全国任意来电<br/>普通话+英文+40方言任意混说]
IN --> UM["统一语音大模型<br/>共享表征 / 联合训练"]
UM --> OUT[单一ASR能力输出<br/>实时识别 + 音频转写]
end
TRAD -.改造.-> XC
XC --> APP1[万号智能客服]
XC --> APP2[12345政务热线]
XC --> APP3[数字人客服]
技术再漂亮，最终要落在每天响起的电话铃上。星辰语音大模型最重的一个落地场景，是中国电信自己的"万号"智能客服体系。
万号是中国电信全国统一客服号段的核心承载，每天承接海量来电。在没有方言大模型之前，方言区用户的来电往往要经历一个痛苦的过程：先和听不懂方言的智能客服"对牛弹琴"几个回合，骂两句，最后还是被转人工，挤进排队队列。对运营商而言，这些转人工的电话意味着持续的人力成本——而其中相当一部分本可以自助解决。
星辰语音大模型接入后，万号智能客服做到了"秒懂40种方言"。根据公开披露的数据，星辰语音大模型已在中国电信万号智能客服规模落地，日均处理超过100万通电话，应用于万号数字人客服，月均服务近200万次。试点覆盖了北京、福建、江西、广西、内蒙古等多个省市的万号智能客服。
这个数据背后的含义值得拆解。日均百万通的处理量，意味着这套语音大模型不是在某个实验室demo里跑，而是真实扛住了全国级的并发话务。对一个语音识别系统来说，"实验室准确率"和"线上扛住百万通日话务"完全是两个量级的挑战——后者要求极低的端到端时延、稳定的高并发推理、对真实噪声信道（手机麦克风、车载、免提、方言口音叠加）的鲁棒性。能做到规模落地，本身就是工程成熟度的证明。
更关键的是业务价值的闭环：方言用户第一次能够顺畅地用自助系统办业务、查账单、报故障，而不再被迫转人工。对老龄化严重、方言密集的省份，这直接降低了人工座席的话务压力，也提升了下沉用户的体验——一个听不懂机器的老年人不再被智能客服系统"劝退"。
如果说万号是运营商"自产自销"的场景，那么12345政务热线则把星辰语音大模型的能力输出到了政府服务这一更广阔的公共领域。
12345是各地政府的政务服务便民热线，被称为"民情总客服"。它的来电人群比运营商客服更广、更下沉——反映问题的市民里，老年人、农村居民、方言使用者占比极高。一条热线能不能"听懂"方言，直接关系到政务服务普惠性的成色：听不懂方言的热线，本质上是把不会说普通话的弱势群体挡在了服务门外。
星辰语音大模型落地到了中山、石家庄等多地的12345热线。在这里，它赋能坐席人员更自然流畅地记录和响应市民诉求——当一位只会说当地方言的市民来电反映问题，系统能实时把方言转写成文字，坐席人员无需反复确认就能准确记录工单内容。
这个场景的价值不止于"转文字"。12345热线每天产生大量通话录音，过去这些录音因为方言转写困难而难以被结构化利用。有了方言语音大模型，海量历史话务数据可以被高效转写、归档、分析，进而支撑诉求热点挖掘、办理时效统计、区域舆情洞察。换句话说，方言语音大模型解锁的不仅是"实时听懂"，更是"事后能用"的数据资产化能力。
把两条技术路线摆在一起，差异是结构性的：
| 维度 | 传统"一区一模型"ASR | 星辰统一语音大模型 |
|---|---|---|
| 建模方式 | 每方言独立声学/语言模型 | 单一网络统一多语言建模 |
| 方言覆盖 | 按需逐个训练，扩展慢 | 30→40种方言持续扩容 |
| 混说能力 | 普通话/方言/英文切换即崩 | 同句任意混说，原生支持 |
| 部署形态 | 多模型多服务并存 | 一个ASR覆盖全国方言区 |
| 数据利用 | 方言语料割裂，小语种饥饿 | 共享表征，稀疏方言借力 |
| 运维成本 | 模型数≈方言数，指数增长 | 统一迭代，线性可控 |
| 扩方言方式 | 新起系统、重采语料 | 继续训练+参数扩容 |
这种结构差异决定了，为什么星辰能快速从30种方言冲到40种还顺手加了英文——因为对一个大模型而言，这是同一个大脑的"长脑子"，而不是再搭一个系统。
把星辰语音大模型放回时间轴上，能看到一条清晰的产品演进路径，这也是判断一个"大模型"是否真大模型的关键证据——它能不能持续地、低成本地变强。
| 时间 | 里程碑 | 关键能力 |
|---|---|---|
| 2023.11 | 星辰大模型首发 | 语义大模型，覆盖语义/语音/多模态三大类 |
| 2024.05 | 业内首个超多方言语音识别大模型 | 30种方言自由混说 |
| 2024.11 | 语音大模型再升级 | 40种方言+中英双语任意混说，参数量翻倍，准确率大幅提升 |
| 2025.04 | 星辰大模型用户超20万 | 集团副总经理唐珂披露生态进展 |
| 2025.12 | 央企首个"三全"大模型体系建成 | 全模态/全尺寸/全国产，TeleStudio开放 |
| 2026.01 | 入选2025年度央企十大国之重器 | 国务院国资委正式发布 |
注意这条线的"加速度"：从30方言到40方言只用了不到半年，且不是推翻重来而是模型扩容；从单点语音能力扩展到覆盖语义、语音、视觉、多模态四种核心能力的"三全"体系。2024年底的国资委"十大国之重器"评选中星辰大模型就已入选候选，到2026年1月正式登上"2025年度央企十大国之重器"榜单——这是国家层面对一套运营商自研大模型体系的认可。
值得强调的是"全国产"这一条。语音大模型的训练离不开底层算力和框架，星辰大模型体系被明确定义为"全国产"，意味着从模型算法到训练基础设施都走通了自主路线。对运营商这种关乎国计民生的基础设施运营者而言，语音交互这一接触亿万用户的入口能力掌握在自己手里，是底线级别的安全考量。
市面上并非没有强力的语音模型。通义听悟、讯飞星火语音、微软Azure语音等都能处理多语种，部分通用大模型也支持中英混说。星辰语音大模型的差异化，不在于"也能混说"，而在于三点：
一是面向方言的下沉深度。 通用语音模型的主战场是普通话+主流外语，方言是"锦上添花"；星辰把"听懂中国各地方言"作为核心命题，专门攻克湛江话、宜宾话、洛阳话、烟台话这类标注数据极度稀疏的方言，这是通用玩家不愿投入的"苦活"。
二是运营商场景的工程契合。 它天然对接万号、12345这类高并发、强下沉的真实话务场景，从第一天起就不是为评测分数设计的，而是为扛住百万通日话务设计的。这种"在运营商炉子里炼出来的鲁棒性"，是通用API调用给不了的。
三是国产自主与央企背书。 入选国之重器、央企首个三全体系，意味着它要满足国产化、安全合规、长期稳定供应等一整套严苛约束——这对政务12345、运营商核心客服这类对供应链安全高度敏感的场景，是通用商业模型很难替代的。
当然，星辰语音大模型也面临挑战。方言数据的采集与标注仍是长尾难题，部分极少数方言的识别准确率提升空间仍在；端到端时延在超大并发下的优化是持续工程；而"混说"的边界（比如极度生僻的俚语、跨多方言的极端混说）仍需打磨。但它确立的方向——用一个统一的大脑听懂所有人——已经被每天的百万通电话证明是走得通的。
星辰语音大模型的故事，给通信行业提供了三点可复用的启示。
第一，运营商的自研大模型要找"自己最痛、别人不愿做"的垂直。 方言语音识别就是这样一个场景：通用AI公司嫌苦嫌碎，但它是运营商每天百万通电话的真实痛点。在一个巨头林立的通用大模型市场里，运营商自研的差异化空间，恰恰藏在这些"下沉、长尾、强场景绑定"的硬骨头里。
第二，大模型的成熟度看"能不能持续变强"。 判断一个号称"大模型"的产品是不是真大模型，不要看首发时的宣传，要看它半年后能不能低成本地扩能力——星辰从30方言到40方言、参数翻倍、加英文，是同一个大脑在长大，这就是大模型的正确打开方式。那些"每加一个能力就推翻重做"的，本质还是传统系统。
第三，语音交互入口的战略价值远超技术本身。 万号、12345、数字人……这些语音入口连接的是亿万普通用户，尤其是那些最需要帮助、最不会用复杂App的群体。谁能让机器听懂他们的方言，谁就掌握了服务普惠性的主动权。这既是技术命题，更是社会责任和商业护城河。
当一位只会说湛江话的阿伯打通10000号，电话那头的AI第一次听懂了他——这个瞬间里，藏着运营商自研大模型最朴素也最硬核的价值：让技术服务于每一个说不同口音的人，而不是只服务于说标准普通话的少数。星辰语音大模型听懂了40种方言，而它真正听懂的，是这个国家参差多态的真实声音。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。