AnswersPublished19 sources
Från röst-AI till robotar: iFLYTEK presenterar sin plan
På Global 1024 Developer Festival 2026 beskrev iFLYTEK en utveckling från röststyrning till multimodal interaktion och vidare till robotar som kan agera i den fysiska världen. Uppgifter om 0,65 miljarder parametrar, en 30B A3B modell, 13 miljoner träningstimmar och stöd för 99 språk och 202 dialekter gäller en tidig...
Publicerad avRedigerad med GPT-6 LunaBilder genererade med GPT Image 2
Research answer
Key takeaways
- På Global 1024 Developer Festival 2026 beskrev iFLYTEK en utveckling från röststyrning till multimodal interaktion och vidare till robotar som kan agera i den fysiska världen.
- Uppgifter om 0,65 miljarder parametrar, en 30B A3B modell, 13 miljoner träningstimmar och stöd för 99 språk och 202 dialekter gäller en tidigare förhandsversion – inte nödvändigtvis den slutliga festivalversionen.
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
iFLYTEK beskriver en färd från röststyrning till multimodal interaktion och därefter till robotar som kan samspela med människor i den fysiska världen. På bolagets Global 1024 Developer Festival 2026 presenterades röstmodellen SparkAudio 1.0 tillsammans med teknik för fysisk, multimodal interaktion och Robot Super Brain Platform 3.0. Det finns betydligt fler offentliga detaljer om röstfunktionerna än om hur robotplattformen fungerar i praktiken. 18
24
SparkAudio ska förstå mer än orden
iFLYTEK beskriver SparkAudio 1.0 som en modell som samlar maskinöversättning, taligenkänning och språkförståelse. Bland de presenterade funktionerna finns simultantolkning och röstinteraktion, men också realtidsseparering av olika talare, ljud- och miljöförståelse samt känsloigenkänning. 18
21
Bolaget illustrerar ambitionen med en ”ljuddetektiv”: på en bullrig gata ska modellen kunna skilja överlappande röster från exempelvis tutningar, gatuförsäljare och fordon – och använda ljuden för att tolka vad som händer omkring den. Det är iFLYTEK:s beskrivning av en förmåga, inte ett oberoende testresultat. 18
Förhandsversionens siffror är inte en bekräftad slutlig specifikation
Tidigare rapportering om Spark-Audio-1.0-Preview anger en tät ljudkodare med 0,65 miljarder parametrar, kopplad till en språkmodell av typen 30B-A3B med blandexperter (MoE). Enligt samma rapportering tränades förhandsversionen på 13 miljoner timmar ljud och en stor mängd textdata. Där uppgavs också stöd för 99 språk och 202 dialekter. Det är specifikationer från en tidigare förhandsversion; det tillgängliga underlaget visar inte att samtliga gäller oförändrade för SparkAudio 1.0 som presenterades på festivalen. 6
34
Rapporterna beskriver träning med inhemska beräkningsresurser. En källa nämner specifikt Huawei Ascend 910B- och Hygon BW1000-chip, men den uppgiften bekräftas inte av den övriga citerade rapporteringen om förhandsversionen. 6
34
42
Förbättringar enligt bolaget – men få detaljer om mätningen
Lanseringsrapporteringen lyfter fram tre tekniska grepp: halvövervakad ljudmodellering, end-to-end-modellering med dynamisk segmentering och samverkande avkodning med två arbetssätt. iFLYTEK uppger att den samlade prestandan förbättrats med 20 procent, svarstiden minskat med 15 procent och kostnaden med 60 procent. 17
27
Siffrorna är bolagets egna resultat. Den citerade rapporteringen ger inte tillräcklig information om jämförelseunderlag eller testmetod för att slå fast vad ”samlad prestanda” mäter – eller att resultaten har verifierats oberoende. 18
17
Modellen i produkter – och en magnetisk inspelningsring
Enligt rapporteringen har SparkAudio 1.0 börjat användas i iFLYTEK Input Method 16.0, iFLYTEK Hearing, smarta kontorsblock och översättningsprodukter. 18
25
Bolaget presenterade också en magnetisk AI-inspelningsring som fästs på mobilens baksida. Lanseringsrapporter säger att två timmars inspelning kan transkriberas på två minuter och anger en sammanlagd igenkänningsprecision på över 96 procent. Det är rapporterade produktuppgifter, inte oberoende verifierade mätningar i de citerade källorna. 18
Robotplanen är tydlig – detaljerna mindre
iFLYTEK presenterade Spark-teknik för fysisk, multimodal interaktion och Robot Super Brain Platform 3.0 som delar av steget från röstgränssnitt till robotar som interagerar i den fysiska världen. 18
24
Den citerade bevakningen räcker däremot inte för att bekräfta mer detaljerade påståenden om exempelvis brusreducering, hur en robot avgör vem som talar till den, samordning mellan tal och rörelse, kamerastyrd dialog eller samspel mellan enheter och molntjänster. Inte heller uppgifter om hantering av bakgrundsuppgifter, branschanpassning eller en obemannad robotdriven butik kan behandlas som fastslagna utifrån det tillgängliga underlaget. Den tydligaste slutsatsen är därför att iFLYTEK vill göra ljudförståelse till en byggsten i en bredare satsning på robotar – medan den offentliga informationen om själva robotplattformen fortfarande är begränsad. 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 "Från röst-AI till robotar: iFLYTEK presenterar sin plan"?
På Global 1024 Developer Festival 2026 beskrev iFLYTEK en utveckling från röststyrning till multimodal interaktion och vidare till robotar som kan agera i den fysiska världen.
What are the key points to validate first?
På Global 1024 Developer Festival 2026 beskrev iFLYTEK en utveckling från röststyrning till multimodal interaktion och vidare till robotar som kan agera i den fysiska världen. Uppgifter om 0,65 miljarder parametrar, en 30B A3B modell, 13 miljoner träningstimmar och stöd för 99 språk och 202 dialekter gäller en tidigare förhandsversion – inte nödvändigtvis den slutliga festivalversionen.