AntwortenVeröffentlicht19 Quellen
SparkAudio 1.0 soll Geräusche verstehen – iFLYTEK skizziert den Weg zu Robotern
Beim Global 1024 Developer Festival 2026 stellte iFLYTEK SparkAudio 1.0 als Sprachmodell für Erkennung, Übersetzung und Audioverständnis vor und skizzierte den Weg zu multimodaler Interaktion in Robotern. Angaben wie ein 0,65 Milliarden Parameter Audioencoder, ein 30B A3B MoE Modell sowie Unterstützung für 99 Sprach...
Veröffentlicht vonBearbeitet mit GPT-6 LunaBilder erstellt mit GPT Image 2
Forschungsantwort
Wichtige Erkenntnisse
- Beim Global 1024 Developer Festival 2026 stellte iFLYTEK SparkAudio 1.0 als Sprachmodell für Erkennung, Übersetzung und Audioverständnis vor und skizzierte den Weg zu multimodaler Interaktion in Robotern.
- Angaben wie ein 0,65 Milliarden Parameter Audioencoder, ein 30B A3B MoE Modell sowie Unterstützung für 99 Sprachen und 202 Dialekte stammen aus früheren Berichten zur Preview Version und sind nicht automatisch bestäti...
KI-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
iFLYTEK stellte beim Global 1024 Developer Festival 2026 eine Roadmap für die Mensch-Maschine-Interaktion vor: von Sprache über multimodale Interaktion bis hin zu Robotern, die multimodal mit ihrer Umgebung umgehen. SparkAudio 1.0 soll die Sprachstufe abdecken. Außerdem kündigte das Unternehmen Technologien für verkörperte Interaktion und die Robot Super Brain Platform 3.0 an. Zu den Sprachfunktionen gibt es deutlich mehr konkrete Angaben als zur Umsetzung der Robotik. 18
24
SparkAudio 1.0 soll mehr als Sprache in Text umwandeln
iFLYTEK beschreibt SparkAudio 1.0 als Modell, das maschinelle Übersetzung, Spracherkennung und semantisches Verständnis zusammenführt. Zu den angekündigten Funktionen zählen Simultanübersetzung und Sprachinteraktion sowie die Echtzeit-Trennung von Sprecherinnen und Sprechern, Audio- und Umgebungsgeräuschverständnis und Emotionserkennung. 18
21
Ein Beispiel des Unternehmens veranschaulicht den Anspruch: Als eine Art „Geräuschdetektiv“ soll das Modell auf einer belebten Straße überlagerte Stimmen voneinander trennen und Laute wie Hupen, Straßenverkauf und Fahrzeuge erkennen. Aus diesen Hinweisen soll es dann die Umgebung einordnen. Das ist eine vom Unternehmen beschriebene Fähigkeit, kein unabhängiger Leistungstest. 18
Technische Daten zur Preview-Version sind mit Vorsicht zu lesen
Frühere Berichte zur Version Spark-Audio-1.0-Preview nannten einen dichten Audioencoder mit 0,65 Milliarden Parametern und ein Sprachmodell mit 30B-A3B-Mixture-of-Experts-Architektur (MoE). Demnach wurde das Modell mit 13 Millionen Audiostunden und umfangreichen Textdaten trainiert und unterstützt 99 Sprachen sowie 202 Dialekte. Dabei handelt es sich um Angaben zur Preview-Version. Aus den verfügbaren Berichten geht nicht hervor, ob alle Details unverändert für die beim Festival vorgestellte Version SparkAudio 1.0 gelten. 6
34
In den Preview-Berichten ist außerdem von Training auf heimischer Recheninfrastruktur die Rede. Eine Quelle nennt dafür Huawei-Ascend-910B- und Hygon-BW1000-Chips. Diese konkrete Hardwareangabe wird von den anderen hier zitierten Preview-Berichten jedoch nicht bestätigt. 6
34
42
Leistungswerte stammen vom Unternehmen
Berichte zum Start nennen drei technische Ansätze: halbüberwachtes Audiomodellieren, End-to-End-Modellierung mit dynamischer Segmentierung und gemeinsames Dekodieren nach zwei Paradigmen. iFLYTEK zufolge verbessert sich dadurch die Gesamtleistung um 20 Prozent; zugleich sinken Reaktionszeit und Kosten um 15 beziehungsweise 60 Prozent. 17
27
Diese Zahlen sind als Angaben des Unternehmens zu verstehen. Die zitierten Berichte erläutern weder ausreichend die Vergleichsbasis noch die Testmethode. „Gesamtleistung“ lässt sich daher nicht ohne Weiteres als konkrete Steigerung der Erkennungsgenauigkeit oder als unabhängig bestätigtes Ergebnis interpretieren. 18
17
Einsatz in Produkten und ein KI-Aufnahmering
Berichten zufolge ist SparkAudio 1.0 in iFLYTEK Input Method 16.0, iFLYTEK Hearing, intelligenten Office-Notizgeräten und Übersetzern verfügbar. 18
25
Das Unternehmen stellte außerdem einen magnetischen KI-Aufnahmering vor, der an der Rückseite eines Smartphones befestigt wird. Laut den Berichten soll er zwei Stunden Audioaufnahme in zwei Minuten transkribieren; die angegebene Gesamterkennungsgenauigkeit liegt bei über 96 Prozent. Das sind veröffentlichte Produktangaben, keine in den zitierten Berichten unabhängig überprüften Messwerte. 18
Was die Roboterankündigung belegt – und was nicht
iFLYTEK stellte die Spark-Technologie für verkörperte multimodale Interaktion und die Robot Super Brain Platform 3.0 als Teil des Übergangs von Sprachschnittstellen zu Robotern dar, die mit der physischen Welt interagieren. 18
24
Die verfügbaren Berichte zum Festival enthalten nicht genug Details, um konkretere Behauptungen zu bestätigen – etwa zu Geräuschunterdrückung, der Erkennung, welche Person einen Roboter anspricht, zur abgestimmten Steuerung von Sprache und Bewegung oder zu einem durch Kameras ausgelösten Gespräch. Auch Angaben zur Koordination von Gerät und Cloud, zu Hintergrundaufgaben, modularer Anpassung an verschiedene Branchen oder einem rund um die Uhr geöffneten, von Robotern betriebenen Laden lassen sich anhand dieser Berichte nicht verifizieren. Sie sollten deshalb nicht als belegte Funktionen behandelt werden. Der klarste Befund ist die eingeschlagene Richtung: iFLYTEK präsentiert einheitliches Audioverständnis als Baustein für verkörperte Interaktion, während die öffentlich verfügbaren Details zur Roboterplattform vergleichsweise knapp bleiben. 18
24
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Die Leute fragen auch
Wie lautet die kurze Antwort auf „SparkAudio 1.0 soll Geräusche verstehen – iFLYTEK skizziert den Weg zu Robotern“?
Beim Global 1024 Developer Festival 2026 stellte iFLYTEK SparkAudio 1.0 als Sprachmodell für Erkennung, Übersetzung und Audioverständnis vor und skizzierte den Weg zu multimodaler Interaktion in Robotern.
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
Beim Global 1024 Developer Festival 2026 stellte iFLYTEK SparkAudio 1.0 als Sprachmodell für Erkennung, Übersetzung und Audioverständnis vor und skizzierte den Weg zu multimodaler Interaktion in Robotern. Angaben wie ein 0,65 Milliarden Parameter Audioencoder, ein 30B A3B MoE Modell sowie Unterstützung für 99 Sprachen und 202 Dialekte stammen aus früheren Berichten zur Preview Version und sind nicht automatisch bestäti...