RespuestasPublicado19 fuentes
De entender la voz a interactuar con robots: la apuesta de iFLYTEK
En su Festival Global de Desarrolladores 1024 de 2026, iFLYTEK presentó SparkAudio 1.0 como un modelo de voz unificado y trazó una ruta desde la interacción vocal hasta la interacción multimodal encarnada en robots. Las especificaciones de una arquitectura con codificador de audio de 0,65 mil millones de parámetros,...
Publicado porEditado con GPT-6 LunaImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- En su Festival Global de Desarrolladores 1024 de 2026, iFLYTEK presentó SparkAudio 1.0 como un modelo de voz unificado y trazó una ruta desde la interacción vocal hasta la interacción multimodal encarnada en robots.
- Las especificaciones de una arquitectura con codificador de audio de 0,65 mil millones de parámetros, modelo MoE 30B A3B y soporte para 99 idiomas y 202 dialectos corresponden a información previa sobre una versión pr...
Prompt de IA
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
En el Festival Global de Desarrolladores 1024 de 2026, iFLYTEK expuso una hoja de ruta para la interacción entre personas y máquinas: primero la voz, después la interacción multimodal y, como siguiente paso, esa interacción integrada en robots. SparkAudio 1.0 representa la etapa de voz; la compañía también anunció tecnología de interacción multimodal encarnada y Robot Super Brain Platform 3.0. La información disponible describe con mucho más detalle las funciones de voz que la implementación de la plataforma robótica. 18
24
SparkAudio 1.0 busca entender los sonidos, no solo transcribir palabras
iFLYTEK presentó SparkAudio 1.0 como un modelo que reúne traducción automática, reconocimiento de voz y comprensión semántica. Entre las capacidades anunciadas figuran la interpretación simultánea y la interacción por voz, además de la separación de hablantes en tiempo real, la comprensión de audio y sonidos ambientales, y el reconocimiento de emociones. 18
21
La empresa lo ilustró con la idea de un «detective de sonidos»: en una calle ruidosa, el modelo distinguiría voces superpuestas y sonidos como bocinas, vendedores ambulantes y vehículos, y usaría esas pistas para interpretar lo que sucede alrededor. Se trata de una capacidad descrita por la compañía, no de un resultado de una prueba independiente. 18
Las especificaciones de la versión preliminar requieren contexto
Informes anteriores sobre Spark-Audio-1.0-Preview describieron un codificador de audio denso de 0,65 mil millones de parámetros junto con un modelo de lenguaje MoE 30B-A3B, es decir, de mezcla de expertos. También señalaron que se entrenó con 13 millones de horas de audio y un amplio corpus de texto, y que admitía 99 idiomas y 202 dialectos. Son especificaciones de la versión preliminar: la información disponible no confirma que todos esos detalles se mantuvieran sin cambios en la versión de SparkAudio 1.0 presentada en el festival. 6
34
Esos informes indican que el entrenamiento se realizó con recursos informáticos nacionales. Una ficha menciona chips Huawei Ascend 910B y Hygon BW1000, pero ese detalle concreto del hardware no está corroborado por los otros informes citados sobre la versión preliminar. 6
34
42
Mejoras comunicadas por la empresa, con pocos detalles de evaluación
La cobertura del lanzamiento atribuye a SparkAudio 1.0 tres enfoques técnicos: modelado de audio semisupervisado, modelado de extremo a extremo con segmentación dinámica y decodificación colaborativa de dos paradigmas. iFLYTEK informó de una mejora del 20 % en el rendimiento global, una reducción del 15 % en el tiempo de respuesta y una caída del 60 % en los costes. 17
27
Esas cifras deben entenderse como resultados comunicados por la empresa. La cobertura citada no especifica suficientemente la referencia de comparación ni el método de evaluación; por eso, «rendimiento global» no equivale necesariamente a una mejora concreta de precisión ni a resultados validados de forma independiente. 18
17
Productos y un anillo grabador con IA
Según los informes, SparkAudio 1.0 ya está integrado en iFLYTEK Input Method 16.0, iFLYTEK Hearing, cuadernos inteligentes de oficina y traductores. 18
25
La compañía también presentó un anillo grabador con IA que se fija magnéticamente a la parte trasera del teléfono. Los informes del lanzamiento afirman que puede transcribir dos horas de grabación en dos minutos y le atribuyen una precisión global de reconocimiento superior al 96 %. Son cifras comunicadas sobre el producto, no mediciones verificadas de manera independiente en la cobertura citada. 18
Qué se sabe —y qué no— del anuncio sobre robots
iFLYTEK presentó la tecnología de interacción multimodal encarnada de Spark y Robot Super Brain Platform 3.0 como parte de su paso de las interfaces de voz hacia robots capaces de interactuar en el mundo físico. 18
24
La cobertura disponible del evento no ofrece suficientes detalles para confirmar afirmaciones más específicas sobre reducción de ruido, identificación de quién se dirige al robot, coordinación entre habla y movimiento, inicio de conversaciones a partir de la cámara, coordinación entre dispositivos y la nube, gestión de tareas en segundo plano, personalización modular para distintas industrias o una tienda autónoma atendida por robots. Con la información disponible, no conviene dar esas capacidades por confirmadas. La conclusión más clara es la dirección que plantea iFLYTEK: usar la comprensión unificada del audio como uno de los componentes de una apuesta más amplia por la interacción encarnada, aunque los detalles públicos sobre la plataforma robótica son todavía comparativamente escasos. 18
24
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "De entender la voz a interactuar con robots: la apuesta de iFLYTEK"?
En su Festival Global de Desarrolladores 1024 de 2026, iFLYTEK presentó SparkAudio 1.0 como un modelo de voz unificado y trazó una ruta desde la interacción vocal hasta la interacción multimodal encarnada en robots.
¿Cuáles son los puntos clave a validar primero?
En su Festival Global de Desarrolladores 1024 de 2026, iFLYTEK presentó SparkAudio 1.0 como un modelo de voz unificado y trazó una ruta desde la interacción vocal hasta la interacción multimodal encarnada en robots. Las especificaciones de una arquitectura con codificador de audio de 0,65 mil millones de parámetros, modelo MoE 30B A3B y soporte para 99 idiomas y 202 dialectos corresponden a información previa sobre una versión pr...