AnswersPublished19 sources
SparkAudio 1.0 skal forstå lyde, ikke kun genkende ord
På Global 1024 Developer Festival 2026 præsenterede iFLYTEK SparkAudio 1.0 som en samlet stemmemodel og skitserede en udvikling fra stemmeinteraktion til multimodale robotter. Tal som 0,65 mia.
Udgivet afRedigeret med GPT-6 LunaBilleder genereret med GPT Image 2
Research answer
Key takeaways
- På Global 1024 Developer Festival 2026 præsenterede iFLYTEK SparkAudio 1.0 som en samlet stemmemodel og skitserede en udvikling fra stemmeinteraktion til multimodale robotter.
- Tal som 0,65 mia. parametre, en 30B A3B model og understøttelse af 99 sprog og 202 dialekter stammer fra tidligere omtale af en preview version – ikke nødvendigvis fra en bekræftet specifikation for den endelige festi...
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did iFLYTEK announce at its 2026 Global 1024 Developer Festival about its progression from voice to multimodal and embodied robot inter. Article summary: iFLYTEK announced a progression from voice interaction to multimodal interaction and then embodied multimodal interaction for robots, combining software and hardware rather than treating speech as an isolated feature.[4]. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
På Global 1024 Developer Festival 2026 præsenterede iFLYTEK en større plan for samspillet mellem mennesker og maskiner: først stemme, derefter multimodal interaktion og siden multimodal interaktion i robotter. SparkAudio 1.0 er virksomhedens bud på stemmedelen af planen. iFLYTEK annoncerede også teknologi til kropsliggjort interaktion og Robot Super Brain Platform 3.0, men der er offentliggjort flere detaljer om lydfunktionerne end om robotplatformen. 18
24
SparkAudio 1.0 skal forstå lyd – ikke kun skrive tale ned
iFLYTEK beskriver SparkAudio 1.0 som én model, der samler maskinoversættelse, talegenkendelse og semantisk forståelse. De annoncerede funktioner omfatter simultantolkning og stemmeinteraktion samt adskillelse af talere i realtid, forståelse af lyd og omgivelser og genkendelse af følelser. 18
21
Virksomheden bruger billedet af en »lyddetektiv« til at forklare ambitionen: På en støjende gade skal modellen kunne skille overlappende stemmer fra hinanden og genkende lyde som horn, gadesælgere og trafik. Derefter skal den kunne bruge lydene til at fortolke, hvad der foregår omkring den. Det er iFLYTEKs beskrivelse af en funktion – ikke resultatet af en uafhængig test. 18
Specifikationerne gælder en tidligere preview-version
Tidligere omtale af Spark-Audio-1.0-Preview beskrev en tæt lydencoder med 0,65 mia. parametre koblet sammen med en 30B-A3B-sprogmodel af typen mixture of experts. Ifølge de rapporter blev modellen trænet på 13 millioner timers lyd og en stor mængde tekst og kunne genkende 99 sprog og 202 dialekter. Det er specifikationer fra preview-perioden; den tilgængelige omtale fastslår ikke, at alle detaljer blev videreført uændret i den SparkAudio 1.0-version, der blev præsenteret på festivalen. 6
34
Preview-omtalen beskriver også træning på kinesisk udviklet computerkraft. En enkelt oversigt nævner Huawei Ascend 910B- og Hygon BW1000-chips, men den konkrete hardwareoplysning bekræftes ikke af den øvrige citerede omtale af preview-versionen. 6
34
42
Forbedringerne er oplyst af virksomheden
iFLYTEKs lancering blev knyttet til tre tekniske greb: semi-superviseret lydmodellering, end-to-end-modellering med dynamisk segmentering og samarbejdende afkodning med to metoder. Virksomheden oplyste, at den samlede ydeevne steg med 20 procent, svartiden faldt med 15 procent, og omkostningerne faldt med 60 procent. 17
27
Tallene bør læses som virksomhedens egne resultater. Den citerede lanceringsomtale giver ikke nok oplysninger om sammenligningsgrundlag eller testmetode til at fastslå, at »samlet ydeevne« betyder en bestemt forbedring i nøjagtighed – eller at resultaterne er uafhængigt efterprøvet. 18
17
Modellen i produkter – og en magnetisk optagering
Ifølge omtalen er SparkAudio 1.0 taget i brug i iFLYTEK Input Method 16.0, iFLYTEK Hearing, virksomhedens smart notesbøger og oversættere. 18
25
Virksomheden præsenterede også en magnetisk AI-optagering, der sættes fast på bagsiden af en telefon. Lanceringens omtale siger, at den kan transskribere to timers optagelse på to minutter, og angiver en samlet genkendelsesnøjagtighed på over 96 procent. Det er produktpåstande, ikke målinger, der er uafhængigt verificeret i den citerede omtale. 18
Robotambitionen er tydeligere end de tekniske detaljer
iFLYTEK præsenterede Spark embodied multimodal interaction technology og Robot Super Brain Platform 3.0 som led i bevægelsen fra stemmebaserede grænseflader mod robotter, der kan interagere i den fysiske verden. 18
24
Den tilgængelige dækning af arrangementet giver dog ikke tilstrækkeligt grundlag for at bekræfte mere detaljerede påstande om støjreduktion, genkendelse af, hvem der taler til en robot, samspil mellem tale og bevægelse, kamerastyret samtale, koordinering mellem enheder og cloud eller baggrundsopgaver. Det samme gælder modulær tilpasning til brancher og en ubemandet butik drevet af robotter. De bør derfor ikke betragtes som bekræftede funktioner på baggrund af den tilgængelige omtale.
Det tydeligste budskab er retningen: iFLYTEK fremhæver samlet lydforståelse som en af byggestenene i en bredere satsning på robotter med kropsliggjort interaktion. De offentligt beskrevne detaljer om selve robotplatformen er indtil videre mere begrænsede. 18
24
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "SparkAudio 1.0 skal forstå lyde, ikke kun genkende ord"?
På Global 1024 Developer Festival 2026 præsenterede iFLYTEK SparkAudio 1.0 som en samlet stemmemodel og skitserede en udvikling fra stemmeinteraktion til multimodale robotter.
What are the key points to validate first?
På Global 1024 Developer Festival 2026 præsenterede iFLYTEK SparkAudio 1.0 som en samlet stemmemodel og skitserede en udvikling fra stemmeinteraktion til multimodale robotter. Tal som 0,65 mia. parametre, en 30B A3B model og understøttelse af 99 sprog og 202 dialekter stammer fra tidligere omtale af en preview version – ikke nødvendigvis fra en bekræftet specifikation for den endelige festi...