Hvad er forbedret i Spark-ASR-2.0?

iFLYTEK lancerede Spark-ASR-2.0 den 23. september 2026. Målet er ikke kun at omsætte tale til tekst med færre fejl, men også at levere en udskrift, der læser mere som færdigskrevet tekst. Oplysningerne om forbedringer i forhold til Spark-ASR-1.0 bygger på virksomhedens egne sammenligninger; det tilgængelige materiale giver ikke grundlag for en uafhængigt efterprøvbar vurdering. 56

Hvad får man i forhold til 1.0?

Færre genkendelsesfejl, ifølge iFLYTEK. Virksomheden melder om en lavere ordfejlrate – altså færre fejl i den genkendte tekst – især når kinesisk og engelsk blandes i samme tale, ved dialekter og i støjende omgivelser. Den fremhæver også fagudtryk, lav talemængde, hurtig tale og børnestemmer. Lanceringen dokumenterer ikke en pålidelig samlet forbedring målt i procentpoint. Her betyder lav talemængde svag tale, ikke lyd uden tale. 56

Mere redigeret tekst. Modellen skal bruge sammenhængen til at fjerne overflødige formuleringer og gøre udskrifter mere sammenhængende. Det kan være nyttigt, hvis teksten skal læses eller bruges videre. Har man derimod brug for en ordret gengivelse, bør man kontrollere, hvad modellen har udeladt eller omformuleret. 57

Højere omkostning ved at køre modellen. iFLYTEK angiver, at den samlede inferensomkostning – omkostningen ved at behandle lyd med modellen – er cirka 10 % højere end for Spark-ASR-1.0. Det er ikke det samme som en dokumenteret prisstigning på 10 % for API-kunder. 56

Hvad ligger bag forbedringerne?

Lanceringen peger på tre tekniske greb: samspil mellem ikke-autoregressiv talegenkendelse og autoregressiv behandling understøttet af en stor sprogmodel, fælles forbedring af kinesisk-engelsk tekst- og lydmateriale samt dynamisk tilførsel af kontekst. iFLYTEK knytter dem samlet til bedre håndtering af sprogskift, dialekter, fagtermer, vanskelige lydforhold og tekstens form. Det fremgår ikke, hvor meget hvert greb bidrager til hver enkelt forbedring. 5619

Hvor mange dialekter dækker modellen?

Det kan ikke fastslås entydigt ud fra de tilgængelige oplysninger. Én omtale nævner 38 dialekt- og minoritetssprogsvarianter, mens en anden beskriver genkendelse af dialekter fra 202 byer. iFLYTEKs dokumentation nævner desuden 202 dialekter for en tjeneste til transskription i realtid, men fastslår ikke, at tallet gælder Spark-ASR-2.0. De tre beskrivelser bør derfor ikke samles til én verificeret specifikation for modellen. 3617

Påstande om, at Spark-ASR-2.0 overgår branchens bedste systemer ved dialekter, støj eller svag tale, er ligeledes virksomhedens sammenligninger – ikke uafhængigt fastslåede placeringer. 56

Hvornår kan den bruges – og hvad er næste skridt?

En gradvis udrulning i iFLYTEK Input Method, virksomhedens tastatur- og inputapp, var planlagt fra 24. september 2026. Omtalerne beskriver også API-adgang og mulighed for at afprøve modellen via iFLYTEK Open Platform. Senere integrationer er planlagt til virksomhedens AI-briller, digitale notesbøger til kontorbrug og transskriptionsprodukter under navnet iFLYTEK Tingjian. Planerne er ikke en bekræftelse på, at alle integrationerne allerede er tilgængelige. 6918

På længere sigt vil iFLYTEK arbejde med at frasortere tale fra uvedkommende personer, lade brugeren redigere genkendt tekst med stemmekommandoer og præsentere resultater med hensyn til følelser i talen. Der er ikke angivet en verificeret lanceringsdato for de funktioner. 18