Spark-ASR-2.0: Daha okunaklı döküm, iddiaya göre %10 daha yüksek çıkarım maliyeti

iFLYTEK’in 23 Eylül 2026’da duyurduğu Spark-ASR-2.0, konuşmayı yalnızca doğru yazıya dökmeyi değil, ortaya çıkan metni daha okunaklı hâle getirmeyi de hedefliyor. Şirket, Spark-ASR-1.0’a göre çeşitli alanlarda ilerleme bildirse de yayımlanan karşılaştırmalar bağımsız olarak yeniden üretilebilen testlerle doğrulanmış değil. 56

1.0’a göre farkı ne?

Daha az tanıma hatası iddiası: iFLYTEK, kelime hata oranının özellikle Çince ile İngilizcenin aynı konuşmada kullanıldığı kayıtlarda, lehçelerde ve gürültülü ortamlarda düştüğünü belirtiyor. Teknik terimler, kısık sesle veya hızlı konuşma ve çocuk sesleri de iyileşme bildirdiği alanlar arasında. Mevcut haberler, tüm kullanım durumlarını kapsayan güvenilir bir yüzde puanlık doğruluk artışı ortaya koymuyor. 56

Daha akıcı metin: Şirkete göre model, bağlamdan yararlanarak tekrarları azaltıyor ve yazıya dökümü daha tutarlı bir metne dönüştürüyor. Bu, söylenen her kelimeyi aynen kaydetmekten farklı bir hedef. Örneğin birebir kayıt gerektiren bir kullanımda, konuşma dilinin çıktıda nasıl düzenlendiğini kontrol etmek önemli. 57

Yaklaşık %10 daha yüksek çıkarım maliyeti: iFLYTEK’in verdiği rakam, modeli çalıştırmanın maliyetini Spark-ASR-1.0 ile karşılaştırıyor. API ücretlerine %10 zam yapıldığı anlamına gelmiyor. 56

İyileşmenin arkasında hangi teknikler var?

Lansman haberleri üç yaklaşım sayıyor: otoregresif olmayan tanıma ile büyük dil modeli (LLM) destekli otoregresif işlemenin birlikte kullanılması; Çince-İngilizce metin ve ses verisinin birlikte zenginleştirilmesi; bağlam bilgisinin dinamik olarak eklenmesi. iFLYTEK bu birleşimi dil değiştirme, lehçeler, uzmanlık terimleri, güç ses koşulları ve metin düzenindeki iyileşmelerle ilişkilendiriyor. Ancak hangi tekniğin hangi sonuca ne kadar katkı sağladığı ayrı ayrı gösterilmiyor. 5619

Buradaki güç ses koşulları arasında yüksek gürültü ve kısık sesle konuşma var; hızlı konuşma ve çocuk sesleri de ayrıca anılıyor. Kısık ses iddiası, sessiz bir kayıttan konuşma çıkarılabildiği şeklinde yorumlanmamalı. 56

Kaç Çin lehçesini destekliyor?

Spark-ASR-2.0 için kaynaklarda tutarlı biçimde doğrulanan bir lehçe sayısı yok. Bir haberde 38 lehçe ve azınlık dili çeşidinden, diğerinde 202 şehirde konuşulan lehçelerin tanınmasından söz ediliyor. iFLYTEK’in ayrı bir gerçek zamanlı yazıya döküm hizmetine ait belgelerinde ise 202 lehçe desteği belirtiliyor; bu belgenin söz konusu sayıyı Spark-ASR-2.0’a atfettiği gösterilmiyor. Dolayısıyla bu rakamlar tek bir doğrulanmış model özelliği gibi sunulamaz. 3617

Benzer biçimde, modelin lehçe, gürültü veya kısık ses testlerinde sektörün en iyi sistemlerini geçtiği yönündeki karşılaştırmalar şirket kaynaklı iddialar; bağımsız olarak doğrulanmış bir sıralama değil. 56

Nerede kullanılacak, sırada ne var?

Modelin 24 Eylül 2026’dan itibaren iFLYTEK’in klavye ve sesle yazma uygulaması Input Method’a kademeli olarak eklenmesi planlandı. Haberlerde, geliştiriciler için iFLYTEK Open Platform üzerinden API erişimi ve bir deneme noktası da yer alıyor. Yapay zekâ gözlükleri, akıllı ofis not defterleri ve iFLYTEK Tingjian yazıya döküm ürünleri sonraki entegrasyonlar arasında sayılıyor; bu planlar, hepsinin şimdiden kullanıma açıldığını göstermiyor. 6918

Şirketin sonraki deneyim hedefleri, ilgisiz konuşmacıların sesini ayıklamak, tanınan metni sesli komutlarla düzenlemek ve sonuçları duygusal ifadeyi dikkate alarak sunmak. Bu özellikler için doğrulanmış bir çıkış tarihi verilmiş değil. 18