AnswersPublished19 sources
iFLYTEK vil lære robotene å lytte – SparkAudio 1.0 er første steg
På Global 1024 Developer Festival 2026 presenterte iFLYTEK SparkAudio 1.0 som en samlet talemodell og skisserte en vei fra stemmestyring til multimodale roboter. Tall om en lydkoder på 0,65 milliarder parametere, en 30B A3B modell og støtte for 99 språk og 202 dialekter stammer fra tidligere omtale av en forhåndsver...
Publisert avRedigert med GPT-6 LunaBilder generert med GPT Image 2
Research answer
Key takeaways
- På Global 1024 Developer Festival 2026 presenterte iFLYTEK SparkAudio 1.0 som en samlet talemodell og skisserte en vei fra stemmestyring til multimodale roboter.
- Tall om en lydkoder på 0,65 milliarder parametere, en 30B A3B modell og støtte for 99 språk og 202 dialekter stammer fra tidligere omtale av en forhåndsversjon – og er ikke nødvendigvis bekreftede spesifikasjoner for...
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
På Global 1024 Developer Festival 2026 la iFLYTEK fram en plan for neste steg i samspillet mellom mennesker og maskiner: fra stemmestyring til multimodal samhandling, og deretter til roboter som kan bruke slike ferdigheter i den fysiske verden. SparkAudio 1.0 skal utgjøre taledelen av satsingen. Selskapet presenterte også teknologi for fysisk, multimodal samhandling og Robot Super Brain Platform 3.0. Det er likevel langt mer offentlig informasjon om talefunksjonene enn om hvordan robotplattformen fungerer i praksis. 18
24
SparkAudio 1.0 skal forstå lyd – ikke bare skrive den ut
iFLYTEK beskriver SparkAudio 1.0 som én modell som samler maskinoversettelse, talegjenkjenning og semantisk forståelse. Blant funksjonene selskapet trekker fram, er simultantolkning, stemmesamhandling, sanntidsseparering av ulike talere, forståelse av lyd og omgivelseslyder samt følelsesgjenkjenning. 18
21
Et eksempel selskapet bruker, er en «lyddetektiv» i et støyende gatemiljø. Modellen skal kunne skille overlappende stemmer fra hverandre, kjenne igjen lyder som bilhorn, gateselgere og kjøretøy, og bruke lydsporene til å tolke hva som skjer rundt den. Dette er en beskrivelse av selskapets demonstrasjon – ikke en uavhengig test av ytelsen. 18
Forhåndsversjonen har egne spesifikasjoner
Tidligere omtale av Spark-Audio-1.0-Preview oppga en lydkoder med 0,65 milliarder parametere, basert på en tett arkitektur, kombinert med en språkmodell av typen 30B-A3B med blanding av eksperter (MoE). Det ble også rapportert at forhåndsversjonen var trent på 13 millioner timer med lyd og et stort tekstkorpus, og støttet 99 språk og 202 dialekter. Dette er spesifikasjoner for forhåndsversjonen; tilgjengelig omtale bekrefter ikke at alle detaljene er uendret i SparkAudio 1.0-versjonen som ble presentert på festivalen. 6
34
Omtalen av forhåndsversjonen sier også at den ble trent på innenlands maskinvare. Én kilde nevner Huawei Ascend 910B- og Hygon BW1000-brikker, men den konkrete maskinvareopplysningen er ikke bekreftet i den øvrige forhåndsversjonsomtalen som er sitert her. 6
34
42
Oppgitte forbedringer – men få detaljer om målingene
Lanseringsomtalen peker på tre tekniske grep bak SparkAudio 1.0: halvveiledet lydmodellering, ende-til-ende-modellering med dynamisk segmentering og samarbeid mellom to avkodingsmetoder. iFLYTEK oppgir 20 prosent bedre samlet ytelse, 15 prosent kortere responstid og 60 prosent lavere kostnad. 17
27
Tallene bør forstås som resultater oppgitt av selskapet. Omtalen gir ikke nok informasjon om sammenligningsgrunnlaget eller testmetoden til å slå fast at «samlet ytelse» betyr en bestemt økning i nøyaktighet, eller at resultatene er uavhengig verifisert. 18
17
Tale i produkter – og en AI-ring for opptak
Ifølge omtalen er SparkAudio 1.0 tatt i bruk i iFLYTEK Input Method 16.0, iFLYTEK Hearing, smarte kontorbøker og oversetterprodukter. 18
25
Selskapet lanserte også en magnetisk AI-opptaksring som festes på baksiden av en mobiltelefon. Lanseringsomtalen sier at den kan skrive ut to timers opptak på to minutter, og oppgir en samlet gjenkjenningsnøyaktighet på over 96 prosent. Dette er produktpåstander fra lanseringen, ikke uavhengig bekreftede målinger i kildene som er sitert her. 18
Robotplanene: retningen er tydeligere enn detaljene
iFLYTEK presenterte Spark-teknologi for fysisk, multimodal samhandling og Robot Super Brain Platform 3.0 som deler av et skifte fra stemmestyrte grensesnitt til roboter som kan samhandle i den fysiske verden. 18
24
Den tilgjengelige omtalen gir imidlertid ikke nok grunnlag til å bekrefte mer detaljerte påstander om støyreduksjon, hvordan en robot skal finne ut hvem som snakker til den, koordinering av tale og bevegelser, samtaler utløst av kamera, samspill mellom enheter og sky eller håndtering av oppgaver i bakgrunnen. Det samme gjelder modulær tilpasning til ulike bransjer og en døgnåpen, ubemannet butikk drevet av roboter.
Det tryggeste bildet er derfor at iFLYTEK vil bruke samlet lydforståelse som én byggestein i en bredere satsing på roboter som kan samhandle med omgivelsene. Men sammenlignet med beskrivelsen av SparkAudio 1.0 er de offentlige detaljene om robotplattformen foreløpig begrensede. 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 "iFLYTEK vil lære robotene å lytte – SparkAudio 1.0 er første steg"?
På Global 1024 Developer Festival 2026 presenterte iFLYTEK SparkAudio 1.0 som en samlet talemodell og skisserte en vei fra stemmestyring til multimodale roboter.
What are the key points to validate first?
På Global 1024 Developer Festival 2026 presenterte iFLYTEK SparkAudio 1.0 som en samlet talemodell og skisserte en vei fra stemmestyring til multimodale roboter. Tall om en lydkoder på 0,65 milliarder parametere, en 30B A3B modell og støtte for 99 språk og 202 dialekter stammer fra tidligere omtale av en forhåndsversjon – og er ikke nødvendigvis bekreftede spesifikasjoner for...