Apa yang bertambah baik pada iFLYTEK Spark-ASR-2.0?

iFLYTEK melancarkan Spark-ASR-2.0 pada 23 September 2026 dengan sasaran yang melangkaui menukar suara kepada teks: hasil transkrip juga diharapkan lebih tersusun dan lancar dibaca. Namun, penambahbaikan prestasi yang dilaporkan setakat pelancaran datang daripada syarikat; bukti yang tersedia belum membolehkan perbandingan itu disahkan secara bebas. 56

Apa bezanya daripada Spark-ASR-1.0?

Ketepatan pengecaman. iFLYTEK melaporkan kadar ralat perkataan yang lebih rendah, khususnya bagi pertuturan bercampur bahasa Cina–Inggeris, dialek dan rakaman yang bising. Syarikat turut menyebut peningkatan untuk istilah bidang khusus, suara perlahan, pertuturan pantas dan suara kanak-kanak. Tiada angka kukuh dalam laporan pelancaran yang menetapkan peningkatan ketepatan keseluruhan dalam mata peratusan. 56

Kelancaran teks. Model baharu ini direka untuk menggunakan konteks bagi membuang ungkapan berulang dan menghasilkan ayat yang lebih jelas. Itu berguna jika mahukan teks yang terus sedap dibaca, tetapi tidak semestinya sama dengan transkrip kata demi kata. Untuk rekod yang perlu mengekalkan pertuturan asal, semak sama ada perkataan penutur telah diubah atau diringkaskan. 57

Kos menjalankan model. Menurut iFLYTEK, kos inferens keseluruhan meningkat kira-kira 10% berbanding Spark-ASR-1.0. Ini merujuk kepada kos menjalankan model, bukan pengumuman bahawa harga API untuk pelanggan naik 10%. 56

Bagaimana ia menangani pertuturan yang sukar?

Laporan pelancaran menyebut tiga pendekatan: kerjasama antara pengecaman bukan autoregresif dengan pemprosesan autoregresif yang dipertingkat model bahasa besar (LLM); penambahbaikan bersama data teks dan audio Cina–Inggeris; serta kemasukan konteks secara dinamik. iFLYTEK mengaitkan gabungan ini dengan pengecaman yang lebih baik apabila penutur bertukar bahasa, menggunakan dialek atau istilah teknikal, serta bercakap dalam keadaan akustik yang mencabar. Namun, laporan tersebut tidak mengasingkan sumbangan setiap teknik kepada setiap peningkatan. 5619

Keadaan mencabar yang disebut termasuk bunyi bising yang kuat dan suara pada kelantangan rendah, selain pertuturan pantas dan suara kanak-kanak. “Kelantangan rendah” bukan bermaksud model itu boleh mentranskripsikan audio yang senyap sepenuhnya. 56

Berapa banyak dialek yang disokong?

Belum ada angka khusus Spark-ASR-2.0 yang dapat dipastikan. Satu laporan menyebut 38 variasi dialek dan bahasa minoriti, manakala laporan lain merujuk kepada pengecaman dialek dari 202 bandar. Secara berasingan, dokumentasi iFLYTEK mengiklankan sokongan 202 dialek untuk perkhidmatan transkripsi masa nyata, tanpa memastikan angka itu terpakai kepada Spark-ASR-2.0. Ketiga-tiga keterangan ini tidak wajar digabungkan menjadi satu spesifikasi model yang telah disahkan. 3617

Begitu juga, dakwaan bahawa model ini mengatasi sistem terbaik industri bagi dialek, bunyi bising atau suara perlahan ialah perbandingan yang dilaporkan oleh syarikat, bukannya kedudukan yang telah disahkan secara bebas. 56

Bila boleh digunakan, dan apa rancangan seterusnya?

Pelancaran secara berperingkat dalam iFLYTEK Input Method dijadualkan bermula 24 September 2026. Laporan turut menyebut akses API dan ruang percubaan melalui iFLYTEK Open Platform, diikuti rancangan penggunaan pada cermin mata AI, buku nota pejabat pintar dan produk transkripsi iFLYTEK Tingjian. Rancangan itu tidak bermakna setiap integrasi sudah tersedia. 6918

Bagi pembangunan seterusnya, iFLYTEK menyasarkan keupayaan mengabaikan suara penutur yang tidak berkaitan, menyunting teks yang dikenal pasti melalui arahan suara, dan memaparkan hasil dengan mengambil kira emosi. Tiada tarikh keluaran yang disahkan untuk ciri-ciri tersebut dalam laporan yang dirujuk. 18