JawabanDipublikasikan19 sumber
Dari Memahami Suara hingga Robot: Arah Baru AI iFLYTEK
Dalam Global 1024 Developer Festival 2026, iFLYTEK memosisikan SparkAudio 1.0 sebagai model suara terpadu dan memaparkan rencana beralih dari interaksi suara ke interaksi multimodal yang diwujudkan pada robot. Spesifikasi seperti encoder audio 0,65 miliar parameter, model MoE 30B A3B, 13 juta jam data audio, serta d...
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- Dalam Global 1024 Developer Festival 2026, iFLYTEK memosisikan SparkAudio 1.0 sebagai model suara terpadu dan memaparkan rencana beralih dari interaksi suara ke interaksi multimodal yang diwujudkan pada robot.
- Spesifikasi seperti encoder audio 0,65 miliar parameter, model MoE 30B A3B, 13 juta jam data audio, serta dukungan 99 bahasa dan 202 dialek berasal dari laporan tentang versi pratinjau—belum tentu sama persis dengan r...
- iFLYTEK melaporkan peningkatan performa keseluruhan 20%, waktu respons 15% lebih singkat, dan biaya 60% lebih rendah.
AI Perintah
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
Di Global 1024 Developer Festival 2026, iFLYTEK memaparkan arah pengembangan interaksi manusia dan mesin: dari suara, menuju interaksi multimodal, lalu ke interaksi multimodal yang hadir melalui robot. SparkAudio 1.0 menjadi bagian dari tahap suara. Perusahaan juga mengumumkan teknologi interaksi multimodal berwujud serta Robot Super Brain Platform 3.0, meski penjelasan tentang kemampuan robotnya jauh lebih terbatas dibandingkan paparan mengenai model suara. 18
24
SparkAudio 1.0 dirancang untuk memahami suara, bukan sekadar mengubahnya menjadi teks
iFLYTEK menyebut SparkAudio 1.0 menyatukan penerjemahan mesin, pengenalan suara, dan pemahaman semantik dalam satu model. Kemampuan yang diumumkan mencakup penerjemahan simultan dan interaksi suara, serta pemisahan pembicara secara real-time, pemahaman audio dan suara lingkungan, serta pengenalan emosi. 18
21
Perusahaan menggambarkan pendekatan ini lewat contoh “detektif suara”. Di jalan yang ramai, model diklaim dapat memisahkan suara orang yang saling tumpang tindih dan membedakan bunyi seperti klakson, pedagang kaki lima, dan kendaraan, lalu menggunakan petunjuk suara itu untuk menafsirkan situasi sekitar. Ini adalah contoh kemampuan yang dipaparkan perusahaan, bukan hasil pengujian independen. 18
Spesifikasi versi pratinjau perlu dibedakan dari rilis festival
Laporan sebelumnya mengenai Spark-Audio-1.0-Preview menyebut encoder audio padat dengan 0,65 miliar parameter yang dipasangkan dengan model bahasa MoE 30B-A3B. Model pratinjau itu dilaporkan dilatih menggunakan 13 juta jam audio dan korpus teks berukuran besar, serta mendukung 99 bahasa dan 202 dialek. Angka-angka tersebut merujuk pada versi pratinjau; laporan yang tersedia tidak memastikan bahwa semua spesifikasinya tetap sama pada SparkAudio 1.0 yang diumumkan di festival. 6
34
Laporan pratinjau juga menyebut pelatihan menggunakan sumber daya komputasi domestik. Salah satu sumber mencantumkan chip Huawei Ascend 910B dan Hygon BW1000, tetapi rincian perangkat keras itu tidak dikonfirmasi oleh liputan pratinjau lain yang dikutip. 6
34
42
Klaim peningkatan performa belum disertai rincian pembanding
Liputan peluncuran mengaitkan SparkAudio 1.0 dengan tiga pendekatan teknis: pemodelan audio semi-terawasi, pemodelan end-to-end dengan segmentasi dinamis, serta decoding kolaboratif dua paradigma. iFLYTEK melaporkan peningkatan performa keseluruhan 20%, waktu respons 15% lebih singkat, dan biaya 60% lebih rendah. 17
27
Angka tersebut sebaiknya dipahami sebagai hasil yang dilaporkan perusahaan. Liputan yang dikutip tidak menjelaskan secara memadai tolok ukur pembanding atau metode evaluasinya. Karena itu, istilah “performa keseluruhan” tidak bisa langsung diartikan sebagai kenaikan akurasi tertentu atau sebagai hasil yang telah diverifikasi secara independen. 18
17
Sudah masuk ke sejumlah produk, bersama cincin perekam AI
SparkAudio 1.0 dilaporkan telah digunakan pada iFLYTEK Input Method 16.0, iFLYTEK Hearing, buku catatan pintar untuk kebutuhan kantor, dan perangkat penerjemah. 18
25
Perusahaan juga memperkenalkan cincin perekam AI magnetis yang dapat ditempelkan di bagian belakang ponsel. Menurut laporan peluncuran, perangkat itu dapat mentranskripsikan rekaman berdurasi dua jam dalam dua menit dan diklaim memiliki akurasi pengenalan keseluruhan di atas 96%. Angka tersebut merupakan klaim produk yang diberitakan, bukan hasil pengukuran independen dalam liputan yang tersedia. 18
Arah menuju robot sudah diumumkan, tetapi detailnya belum banyak
iFLYTEK menempatkan teknologi interaksi multimodal berwujud Spark dan Robot Super Brain Platform 3.0 sebagai bagian dari peralihan dari antarmuka suara menuju robot yang dapat berinteraksi di dunia fisik. 18
24
Namun, liputan acara yang dikutip belum memberikan cukup informasi untuk memverifikasi rincian seperti kemampuan meredam kebisingan, mengenali orang yang sedang berbicara kepada robot, menyelaraskan ucapan dengan gerakan, memulai percakapan berdasarkan masukan kamera, koordinasi perangkat dengan cloud, atau menjalankan tugas di latar belakang. Klaim tentang kustomisasi modular untuk berbagai industri maupun toko 24 jam yang dijalankan robot juga belum dapat dipastikan dari laporan tersebut.
Kesimpulan paling jelas adalah arah yang ingin ditempuh iFLYTEK: pemahaman audio terpadu menjadi salah satu fondasi untuk interaksi yang lebih nyata dan berwujud. Sementara itu, sejauh mana Robot Super Brain Platform 3.0 mewujudkan kemampuan tersebut masih belum tergambar lengkap dalam informasi publik yang tersedia. 18
24
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "Dari Memahami Suara hingga Robot: Arah Baru AI iFLYTEK"?
Dalam Global 1024 Developer Festival 2026, iFLYTEK memosisikan SparkAudio 1.0 sebagai model suara terpadu dan memaparkan rencana beralih dari interaksi suara ke interaksi multimodal yang diwujudkan pada robot.
Apa poin penting yang harus divalidasi terlebih dahulu?
Dalam Global 1024 Developer Festival 2026, iFLYTEK memosisikan SparkAudio 1.0 sebagai model suara terpadu dan memaparkan rencana beralih dari interaksi suara ke interaksi multimodal yang diwujudkan pada robot. Spesifikasi seperti encoder audio 0,65 miliar parameter, model MoE 30B A3B, 13 juta jam data audio, serta dukungan 99 bahasa dan 202 dialek berasal dari laporan tentang versi pratinjau—belum tentu sama persis dengan r...
Apa yang harus saya lakukan selanjutnya dalam latihan?
iFLYTEK melaporkan peningkatan performa keseluruhan 20%, waktu respons 15% lebih singkat, dan biaya 60% lebih rendah.