AnswersPublished19 sources
Від «розуміння» звуків до роботів: план iFLYTEK для ШІ
На Global 1024 Developer Festival 2026 iFLYTEK представила SparkAudio 1.0 як модель для голосової взаємодії та окреслила перехід від голосу до мультимодальних роботів. Характеристики 0,65 мільярдного аудіокодувальника, моделі 30B A3B, навчання на 13 мільйонах годин аудіо та підтримки 99 мов і 202 діалектів наведені...
ОпублікувавВідредаговано за допомогою GPT-6 LunaЗображення створено за допомогою GPT Image 2
Research answer
Key takeaways
- На Global 1024 Developer Festival 2026 iFLYTEK представила SparkAudio 1.0 як модель для голосової взаємодії та окреслила перехід від голосу до мультимодальних роботів.
- Характеристики 0,65 мільярдного аудіокодувальника, моделі 30B A3B, навчання на 13 мільйонах годин аудіо та підтримки 99 мов і 202 діалектів наведені в попередніх матеріалах про версію Preview — вони не обов’язково без...
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
На Global 1024 Developer Festival 2026 компанія iFLYTEK описала свій план розвитку взаємодії людини з машиною: від голосових команд — до мультимодальної взаємодії, а далі до роботів, здатних діяти у фізичному світі. Голосовий етап має представляти SparkAudio 1.0; також компанія анонсувала технології втіленої взаємодії та Robot Super Brain Platform 3.0. Про голосові функції повідомляють значно докладніше, ніж про те, як саме працюватиме роботизована платформа. 18
24
SparkAudio 1.0: не лише розпізнати слова
iFLYTEK описує SparkAudio 1.0 як єдину модель, що поєднує машинний переклад, розпізнавання мовлення та розуміння змісту. Серед заявлених можливостей — синхронний переклад і голосова взаємодія, розділення мовлення співрозмовників у реальному часі, аналіз аудіо та звуків довкілля, а також розпізнавання емоцій. 18
21
Компанія пояснює задум на прикладі «детектива звуків»: у галасливому місті модель має відокремлювати голоси, що звучать одночасно, розрізняти гудки, вуличний торг і транспорт, а тоді використовувати ці звукові підказки, щоб інтерпретувати сцену. Це опис заявленої компанією функції, а не результат незалежного тестування. 18
Характеристики Preview — не обов’язково фінальні
У попередніх матеріалах про Spark-Audio-1.0-Preview йшлося про щільний аудіокодувальник на 0,65 млрд параметрів і мовну модель 30B-A3B з архітектурою «суміш експертів» (MoE). Там само повідомлялося про навчання на 13 мільйонах годин аудіо та великому текстовому корпусі, а також підтримку 99 мов і 202 діалектів. Це характеристики попередньої версії; доступні публікації не підтверджують, що всі вони без змін увійшли до SparkAudio 1.0, представленої на фестивалі. 6
34
У матеріалах про Preview також зазначалося, що модель навчали на обчислювальних ресурсах китайського виробництва. Один із довідників називає чипи Huawei Ascend 910B і Hygon BW1000, але ця конкретна деталь не підтверджується іншими наведеними матеріалами про Preview. 6
34
42
Заявлені покращення — за оцінкою компанії
У матеріалах про запуск SparkAudio 1.0 згадуються три технічні підходи: напівконтрольоване моделювання аудіо, наскрізне моделювання з динамічним поділом на фрагменти та спільне декодування за двома підходами. За даними iFLYTEK, загальний показник ефективності зріс на 20%, час відповіді скоротився на 15%, а вартість — на 60%. 17
27
Ці цифри варто сприймати саме як результати, наведені компанією. У матеріалах про запуск недостатньо відомостей про базу порівняння та методику оцінювання, тож «зростання загального показника ефективності» не можна трактувати як конкретне збільшення точності чи незалежно підтверджений результат. 18
17
У яких продуктах з’явилася модель
За повідомленнями, SparkAudio 1.0 інтегрували в iFLYTEK Input Method 16.0, iFLYTEK Hearing, розумні офісні блокноти й перекладачі. 18
25
Компанія також представила магнітне AI-кільце для запису, яке кріпиться до задньої панелі телефона. У матеріалах про запуск стверджується, що воно перетворює дві години запису на текст за дві хвилини, а загальна точність розпізнавання перевищує 96%. Це заявлені показники продукту, а не результати незалежної перевірки в наведених публікаціях. 18
Що відомо про роботів — і чого поки не підтверджено
iFLYTEK представила технології мультимодальної взаємодії Spark для роботів і Robot Super Brain Platform 3.0 як частину переходу від голосових інтерфейсів до роботів, що взаємодіють із фізичним світом. 18
24
Водночас доступні матеріали про подію не дають змоги перевірити докладніші твердження про шумозаглушення, визначення того, хто саме звертається до робота, синхронізацію мовлення з рухом, початок розмови за сигналом камери, координацію пристроїв із хмарою, виконання фонових завдань, модульне налаштування для різних галузей чи магазин, яким цілодобово керують роботи без персоналу. На підставі наявних публікацій ці можливості не слід вважати підтвердженими.
Головний висновок наразі — напрямок, який окреслює компанія: розуміння аудіо має стати одним із будівельних блоків для втіленої взаємодії. А от публічних подробиць про саму роботизовану платформу поки що значно менше. 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 "Від «розуміння» звуків до роботів: план iFLYTEK для ШІ"?
На Global 1024 Developer Festival 2026 iFLYTEK представила SparkAudio 1.0 як модель для голосової взаємодії та окреслила перехід від голосу до мультимодальних роботів.
What are the key points to validate first?
На Global 1024 Developer Festival 2026 iFLYTEK представила SparkAudio 1.0 як модель для голосової взаємодії та окреслила перехід від голосу до мультимодальних роботів. Характеристики 0,65 мільярдного аудіокодувальника, моделі 30B A3B, навчання на 13 мільйонах годин аудіо та підтримки 99 мов і 202 діалектів наведені в попередніх матеріалах про версію Preview — вони не обов’язково без...