Co se změnilo u Spark-ASR-2.0 oproti verzi 1.0?

Nový model pro převod řeči na text Spark-ASR-2.0 představila čínská společnost iFLYTEK 23. září 2026. Oproti Spark-ASR-1.0 nemá jen přesněji zachytit slova: výsledný přepis má také více připomínat souvislý, upravený text. Zveřejněná srovnání výkonu ale vycházejí z údajů firmy, nikoli z nezávisle opakovatelného testu. 56

Přesnost, čitelnost a cena provozu

Podle iFLYTEKu nový model snižuje chybovost rozpoznávání slov, zvláště když mluvčí střídá čínštinu s angličtinou, používá dialekt nebo mluví v hluku. Firma uvádí zlepšení také u odborných termínů, tiché či rychlé řeči a dětských hlasů. Z dostupných zpráv však nelze spolehlivě určit, o kolik procentních bodů se přesnost celkově zvýšila. „Tichá řeč“ zde znamená řeč s nízkou hlasitostí, nikoli přepis zvuku, v němž nikdo nemluví. 56

Druhou změnou je práce s výsledným textem: model má podle kontextu omezovat nadbytečná vyjádření a skládat čitelnější věty. To se může hodit při diktování, ale není to totéž co doslovný záznam. Kdo potřebuje zachovat přesné znění výpovědi, měl by ověřit, co model při úpravách vynechal nebo přeformuloval. 57

Náklady na samotný běh modelu mají být podle iFLYTEKu přibližně o 10 % vyšší než u verze 1.0. Nejde o oznámení, že o 10 % zdražilo API pro zákazníky. 56

Jak toho chce model dosáhnout?

Zprávy o uvedení popisují tři technické přístupy: spolupráci rychlejšího neautoregresivního rozpoznávání s autoregresivním zpracováním posíleným velkým jazykovým modelem, společné rozšíření trénovacích textových a zvukových dat pro čínštinu prokládanou angličtinou a průběžné doplňování kontextu. iFLYTEK s jejich kombinací spojuje lepší rozpoznávání v obtížných podmínkách i úpravu přepisu; zveřejněné informace ale neukazují, jaký podíl má která metoda na jednotlivých zlepšeních. 5619

Kolik dialektů skutečně podporuje?

Jedno z oznámení uvádí 38 dialektů a variant menšinových jazyků, jiné mluví o dialektech z 202 měst. Dokumentace iFLYTEKu navíc zmiňuje 202 dialektů u služby přepisu v reálném čase, aniž by potvrzovala, že jde právě o Spark-ASR-2.0. Tato čísla tedy nelze spojit do jednoho ověřeného údaje o rozsahu podpory modelu. 3617

Podobně je třeba číst tvrzení, že model překonává nejlepší konkurenční systémy u dialektů, hluku či slabě slyšitelné řeči: jde o srovnání prezentovaná firmou, ne o nezávisle potvrzený žebříček. 56

Kde bude dostupný a co má následovat?

Postupné nasazování do aplikace iFLYTEK Input Method bylo naplánováno od 24. září 2026. Zprávy uvádějí také přístup přes API a možnost model vyzkoušet na otevřené platformě iFLYTEKu. Později se má objevit v AI brýlích, chytrých kancelářských zápisnících a přepisovacích produktech iFLYTEK Tingjian; plánované integrace však nejsou potvrzením, že už všechny fungují. 6918

Do dalších verzí firma vytyčila tři cíle: ignorovat řeč lidí, kterým přepis není určen, upravovat text hlasovými pokyny a při zobrazení výsledku zohlednit emoce. Ověřený termín uvedení těchto funkcí dostupné zprávy neobsahují. 18