AnswersPublished19 sources
SparkAudio 1.0 mahu AI memahami bunyi di sekeliling kita
Di Global 1024 Developer Festival 2026, iFLYTEK meletakkan SparkAudio 1.0 sebagai model suara bersepadu dan menggariskan hala tuju daripada interaksi suara kepada interaksi multimodal berasaskan robot. Spesifikasi seperti pengekod audio 0.65B, model MoE 30B A3B serta sokongan 99 bahasa dan 202 dialek datang daripada...
Diterbitkan olehDisunting dengan GPT-6 LunaImej dijana dengan GPT Image 2
Research answer
Key takeaways
- Di Global 1024 Developer Festival 2026, iFLYTEK meletakkan SparkAudio 1.0 sebagai model suara bersepadu dan menggariskan hala tuju daripada interaksi suara kepada interaksi multimodal berasaskan robot.
- Spesifikasi seperti pengekod audio 0.65B, model MoE 30B A3B serta sokongan 99 bahasa dan 202 dialek datang daripada laporan terdahulu tentang versi pratonton, bukan semestinya spesifikasi akhir yang disahkan.
AI 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
Pada Global 1024 Developer Festival 2026, iFLYTEK membentangkan hala tuju interaksi manusia dengan mesin: daripada suara kepada interaksi multimodal, kemudian kepada interaksi multimodal yang diterapkan pada robot. SparkAudio 1.0 menjadi teras peringkat suara, sementara syarikat itu turut mengumumkan teknologi interaksi multimodal terjelma dan Robot Super Brain Platform 3.0. Butiran tentang keupayaan suara lebih jelas berbanding pelaksanaan platform robot. 18
24
SparkAudio 1.0 mahu memahami bunyi, bukan sekadar menyalin percakapan
iFLYTEK menyatakan SparkAudio 1.0 menggabungkan terjemahan mesin, pengecaman pertuturan dan pemahaman semantik dalam satu model. Keupayaan yang diumumkan termasuk tafsiran serentak dan interaksi suara, selain pengasingan penutur secara masa nyata, pemahaman audio serta bunyi persekitaran, dan pengecaman emosi. 18
21
Contoh “detektif bunyi” yang diketengahkan syarikat menggambarkan perbezaan yang ingin dicapai: di jalan yang bising, model itu dikatakan boleh memisahkan suara yang bertindih serta membezakan bunyi seperti hon, penjaja dan kenderaan, kemudian menggunakan petunjuk audio tersebut untuk mentafsir keadaan sekeliling. Ini ialah keupayaan yang diterangkan oleh syarikat, bukannya keputusan ujian prestasi bebas. 18
Spesifikasi pratonton perlu dibaca dengan berhati-hati
Laporan terdahulu tentang Spark-Audio-1.0-Preview menyebut pengekod audio padat dengan 0.65 bilion parameter, dipadankan dengan model bahasa campuran pakar (MoE) 30B-A3B. Laporan itu turut menyatakan model berkenaan dilatih menggunakan 13 juta jam audio dan korpus teks yang besar, serta menyokong 99 bahasa dan 202 dialek. Ini ialah spesifikasi daripada era pratonton; laporan yang tersedia tidak mengesahkan bahawa semua butiran tersebut kekal sama dalam keluaran SparkAudio 1.0 yang dipersembahkan di festival itu. 6
34
Laporan pratonton berkenaan menyebut latihan menggunakan sumber pengkomputeran domestik. Satu senarai menamakan cip Huawei Ascend 910B dan Hygon BW1000, tetapi butiran perkakasan khusus itu tidak disahkan oleh liputan pratonton lain yang dirujuk. 6
34
42
Peningkatan yang dilaporkan syarikat, tetapi butiran penanda aras terhad
Laporan pelancaran mengaitkan tiga pendekatan teknikal dengan SparkAudio 1.0: pemodelan audio separa terselia, pemodelan hujung ke hujung dengan pembahagian dinamik, dan penyahkodan kolaboratif dua paradigma. iFLYTEK melaporkan peningkatan prestasi keseluruhan sebanyak 20%, pengurangan masa respons sebanyak 15% dan penurunan kos sebanyak 60%. 17
27
Angka ini wajar difahami sebagai hasil yang dilaporkan syarikat. Liputan pelancaran yang dirujuk tidak memberikan maklumat mencukupi tentang penanda aras perbandingan atau kaedah penilaian untuk mentafsir “prestasi keseluruhan” sebagai peningkatan ketepatan tertentu, atau sebagai keputusan yang disahkan secara bebas. 18
17
Produk yang menggunakan model dan cincin rakaman AI
Laporan menyatakan SparkAudio 1.0 digunakan dalam iFLYTEK Input Method 16.0, iFLYTEK Hearing, buku nota pejabat pintar dan penterjemah. 18
25
Syarikat itu turut memperkenalkan cincin rakaman AI magnetik yang boleh dilekatkan pada bahagian belakang telefon. Menurut laporan pelancaran, ia boleh menyalin rakaman selama dua jam dalam masa dua minit, dengan dakwaan ketepatan pengecaman keseluruhan melebihi 96%. Angka ini ialah spesifikasi produk yang dilaporkan, bukannya ukuran yang disahkan secara bebas dalam liputan berkenaan. 18
Apa yang diumumkan tentang robot—dan apa yang belum dipastikan
iFLYTEK meletakkan teknologi interaksi multimodal terjelma Spark dan Robot Super Brain Platform 3.0 sebagai sebahagian daripada peralihan daripada antara muka suara kepada robot yang berinteraksi dalam dunia fizikal. 18
24
Liputan acara yang dirujuk tidak memberikan maklumat mencukupi untuk mengesahkan dakwaan lebih khusus tentang pengurangan hingar, mengenal pasti siapa yang bercakap kepada robot, penyelarasan pertuturan dengan pergerakan, perbualan yang dicetuskan kamera, penyelarasan peranti dengan awan, pengendalian tugasan latar, penyesuaian modular mengikut industri atau kedai 24 jam yang dikendalikan robot tanpa kakitangan. Berdasarkan laporan yang tersedia, perkara tersebut tidak patut dianggap sebagai keupayaan yang telah disahkan.
Kesimpulan paling jelas ialah arah yang ingin dituju: iFLYTEK melihat pemahaman audio bersepadu sebagai salah satu asas bagi interaksi terjelma yang lebih luas. Namun, maklumat awam mengenai platform robotnya masih jauh lebih terhad berbanding penerangan tentang SparkAudio 1.0. 18
24
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "SparkAudio 1.0 mahu AI memahami bunyi di sekeliling kita"?
Di Global 1024 Developer Festival 2026, iFLYTEK meletakkan SparkAudio 1.0 sebagai model suara bersepadu dan menggariskan hala tuju daripada interaksi suara kepada interaksi multimodal berasaskan robot.
What are the key points to validate first?
Di Global 1024 Developer Festival 2026, iFLYTEK meletakkan SparkAudio 1.0 sebagai model suara bersepadu dan menggariskan hala tuju daripada interaksi suara kepada interaksi multimodal berasaskan robot. Spesifikasi seperti pengekod audio 0.65B, model MoE 30B A3B serta sokongan 99 bahasa dan 202 dialek datang daripada laporan terdahulu tentang versi pratonton, bukan semestinya spesifikasi akhir yang disahkan.