RéponsesPublié19 sources
SparkAudio 1.0 : iFLYTEK mise sur une IA qui comprend les sons, avant de l’incarner dans des robots
Au Global 1024 Developer Festival 2026, iFLYTEK a présenté SparkAudio 1.0 comme un modèle vocal unifié et décrit une trajectoire allant de la voix aux interactions multimodales incarnées par des robots. Les chiffres de 0,65 milliard de paramètres pour l’encodeur audio, de 30B A3B pour le modèle MoE, ainsi que la pri...
Publié parModifié avec GPT-6 LunaImages générées avec GPT Image 2
Réponse de recherche
Points clés à retenir
- Au Global 1024 Developer Festival 2026, iFLYTEK a présenté SparkAudio 1.0 comme un modèle vocal unifié et décrit une trajectoire allant de la voix aux interactions multimodales incarnées par des robots.
- Les chiffres de 0,65 milliard de paramètres pour l’encodeur audio, de 30B A3B pour le modèle MoE, ainsi que la prise en charge de 99 langues et 202 dialectes, proviennent de publications antérieures sur une version Pr...
Prompt 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
Lors de son Global 1024 Developer Festival 2026, iFLYTEK a présenté sa feuille de route pour l’interaction humain-machine : d’abord la voix, puis les échanges multimodaux, et enfin des interactions multimodales incarnées dans des robots. SparkAudio 1.0 représente le volet vocal de cette stratégie. L’entreprise a également annoncé une technologie d’interaction multimodale incarnée et la Robot Super Brain Platform 3.0. Les annonces sur le modèle vocal sont plus détaillées que celles concernant la mise en œuvre robotique. 18
24
Au-delà de la transcription, comprendre les sons
iFLYTEK présente SparkAudio 1.0 comme un modèle réunissant traduction automatique, reconnaissance vocale et compréhension sémantique. Parmi les capacités annoncées figurent l’interprétation simultanée et l’interaction vocale, mais aussi la séparation des locuteurs en temps réel, la compréhension de l’audio et des sons ambiants, ainsi que la reconnaissance des émotions. 18
21
L’entreprise illustre cette approche avec l’image d’un « détective du son » : dans une rue bruyante, le modèle serait censé distinguer les voix qui se chevauchent, les klaxons, les cris des vendeurs et les bruits de véhicules, puis déduire certains éléments de la scène à partir de ces indices. Il s’agit d’une capacité décrite par iFLYTEK, et non d’un résultat vérifié par un test indépendant. 18
Les caractéristiques de la version Preview sont à distinguer
Des publications antérieures sur Spark-Audio-1.0-Preview évoquaient un encodeur audio dense de 0,65 milliard de paramètres, associé à un modèle de langage à experts mixtes (MoE) de type 30B-A3B. Elles faisaient également état d’un entraînement sur 13 millions d’heures d’audio et un vaste corpus textuel, ainsi que de la prise en charge de 99 langues et de 202 dialectes. Ces informations concernent la version Preview : les sources disponibles ne permettent pas d’établir que toutes ces caractéristiques ont été reprises à l’identique dans SparkAudio 1.0 présenté au festival. 6
34
Ces publications indiquent que la version Preview a été entraînée sur des ressources informatiques chinoises. Une source cite notamment des puces Huawei Ascend 910B et Hygon BW1000, mais ce détail matériel précis n’est pas confirmé par les autres articles cités sur la Preview. 6
34
42
Des progrès chiffrés annoncés par l’entreprise
Les comptes rendus du lancement attribuent à SparkAudio 1.0 trois choix techniques : la modélisation audio semi-supervisée, une modélisation de bout en bout à segmentation dynamique et un décodage collaboratif selon deux paradigmes. iFLYTEK annonce une amélioration de 20 % des performances globales, une baisse de 15 % du temps de réponse et une réduction de 60 % des coûts. 17
27
Ces chiffres sont à considérer comme des résultats communiqués par l’entreprise. Les articles cités ne précisent pas suffisamment la méthode d’évaluation ni le point de comparaison pour interpréter « performances globales » comme une hausse précise de la précision, ou comme un résultat validé indépendamment. 18
17
Des produits déjà annoncés, et un anneau enregistreur
Selon les comptes rendus, SparkAudio 1.0 est intégré au clavier iFLYTEK Input Method 16.0, à iFLYTEK Hearing, aux carnets de bureau intelligents de la marque et à ses traducteurs. 18
25
L’entreprise a aussi présenté un anneau enregistreur doté d’une fonction d’IA, qui se fixe magnétiquement au dos d’un téléphone. Les articles consacrés au lancement indiquent qu’il peut transcrire deux heures d’enregistrement en deux minutes et lui attribuent un taux global de reconnaissance supérieur à 96 %. Ce sont des chiffres rapportés sur le produit, et non des mesures vérifiées indépendamment dans les sources citées. 18
Des robots annoncés, mais encore peu documentés
iFLYTEK inscrit sa technologie Spark d’interaction multimodale incarnée et la Robot Super Brain Platform 3.0 dans le passage des interfaces vocales à des robots capables d’interagir dans le monde physique. 18
24
En revanche, les comptes rendus disponibles ne donnent pas assez d’éléments pour confirmer des fonctions plus précises, comme la réduction du bruit, l’identification de la personne qui s’adresse au robot, la coordination de la parole et des mouvements, le déclenchement d’une conversation par caméra, la coordination entre appareil et cloud, la gestion de tâches en arrière-plan, la personnalisation modulaire pour différents secteurs ou la démonstration d’un magasin ouvert 24 heures sur 24 et géré par des robots. Ces fonctions ne doivent donc pas être présentées comme établies sur la seule base des informations disponibles. Le point le plus clair est l’orientation stratégique : iFLYTEK présente la compréhension unifiée de l’audio comme l’un des fondements de l’interaction incarnée, tandis que les détails publics sur sa plateforme robotique restent relativement succincts. 18
24
Studio Global AI
Continuez vos recherches
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
Les gens demandent aussi
Quelle est la réponse courte à « SparkAudio 1.0 : iFLYTEK mise sur une IA qui comprend les sons, avant de l’incarner dans des robots » ?
Au Global 1024 Developer Festival 2026, iFLYTEK a présenté SparkAudio 1.0 comme un modèle vocal unifié et décrit une trajectoire allant de la voix aux interactions multimodales incarnées par des robots.
Quels sont les points clés à valider en premier ?
Au Global 1024 Developer Festival 2026, iFLYTEK a présenté SparkAudio 1.0 comme un modèle vocal unifié et décrit une trajectoire allant de la voix aux interactions multimodales incarnées par des robots. Les chiffres de 0,65 milliard de paramètres pour l’encodeur audio, de 30B A3B pour le modèle MoE, ainsi que la prise en charge de 99 langues et 202 dialectes, proviennent de publications antérieures sur une version Pr...