Spark-ASR-2.0: cosa migliora rispetto alla versione 1.0

iFLYTEK ha presentato Spark-ASR-2.0 il 23 settembre 2026. La novità non è soltanto riconoscere meglio le parole: il modello è progettato per restituire una trascrizione che somigli di più a un testo già pronto da leggere. I miglioramenti riportati al lancio, però, si basano sulle dichiarazioni dell’azienda, non su test indipendenti riproducibili. 56

Accuratezza e leggibilità: cosa cambia?

Rispetto a Spark-ASR-1.0, iFLYTEK segnala un tasso di errore nella trascrizione (WER) più basso, soprattutto quando si alternano cinese e inglese, si usano dialetti o c’è rumore di fondo. Segnala progressi anche con termini specialistici, voci poco udibili o molto rapide e parlato dei bambini. Le fonti disponibili non consentono però di quantificare un miglioramento complessivo affidabile in punti percentuali. 56

La seconda differenza riguarda il testo prodotto: usando il contesto, Spark-ASR-2.0 dovrebbe eliminare espressioni ridondanti e rendere le frasi più coerenti. È utile se si cerca una bozza leggibile, ma non equivale a una trascrizione parola per parola. Chi ha bisogno di un verbale fedele al parlato dovrebbe controllare che la rielaborazione non abbia modificato la formulazione originale. 57

Secondo iFLYTEK, il costo di inferenza — cioè il costo di esecuzione del modello — aumenta di circa il 10% rispetto alla versione 1.0. Non è una comunicazione di un rincaro del 10% per le tariffe delle API. 56

Come affronta le registrazioni difficili?

Le informazioni sul lancio indicano tre approcci: la collaborazione tra riconoscimento non autoregressivo ed elaborazione autoregressiva potenziata da un modello linguistico di grandi dimensioni (LLM); il miglioramento congiunto di testo e audio misti cinese-inglese; e l’inserimento dinamico del contesto. iFLYTEK collega questa combinazione ai risultati dichiarati su cambi di lingua, dialetti, lessico tecnico, condizioni acustiche difficili e forma del testo. Le fonti non misurano il contributo di ciascuna tecnica ai singoli miglioramenti. 5619

Tra le condizioni difficili figurano rumore elevato e voce a basso volume, oltre al parlato veloce e a quello dei bambini. «Basso volume» non significa che il modello possa trascrivere un audio senza voce. 56

Quanti dialetti riconosce?

Non emerge un conteggio verificato per Spark-ASR-2.0. Un articolo parla di 38 varianti tra dialetti e lingue minoritarie; un altro descrive il riconoscimento di dialetti di 202 città. La documentazione iFLYTEK cita inoltre 202 dialetti per un servizio di trascrizione in tempo reale, senza chiarire che quel dato riguardi Spark-ASR-2.0. Sono indicazioni diverse, da non fondere in una specifica certa del modello. 3617

Anche le affermazioni secondo cui Spark-ASR-2.0 supererebbe i migliori sistemi del settore su dialetti, rumore e voci poco udibili restano confronti attribuiti all’azienda, non classifiche confermate da valutazioni indipendenti. 56

Disponibilità e prossimi sviluppi

L’introduzione graduale in iFLYTEK Input Method, il metodo di inserimento testuale dell’azienda, era prevista a partire dal 24 settembre 2026. Le notizie sul lancio indicano anche l’accesso tramite API e una possibilità di prova sulla piattaforma aperta di iFLYTEK. L’integrazione negli occhiali AI, nei dispositivi per gli appunti da ufficio e nei prodotti di trascrizione iFLYTEK Tingjian è prevista successivamente: non significa che ogni integrazione sia già disponibile. 6918

Per il futuro, iFLYTEK indica tre obiettivi: ignorare le voci di interlocutori non pertinenti, modificare il testo riconosciuto con comandi vocali e presentare i risultati tenendo conto dell’emozione. Le fonti citate non forniscono una data di rilascio verificata per queste funzioni. 18