Beim heutigen Nachmittag des globalen 1024 Developer Festival hat iFLYTEK den ersten Sprachbaustein der Spark-Familie offiziell enthüllt – das Sprach-Basismodell SparkAudio1.0. Es vereint maschinelle Übersetzung, Spracherkennung und semantische Verarbeitung in einem einzigen Modell und hebt die grundlegenden Sprachfähigkeiten insgesamt auf ein höheres Niveau.
In der offiziellen Demonstration zeigte SparkAudio1.0 anhand eines Filmsegments, wie scharf sein „Gehör“ ist: Es kann nicht nur Toninhalte, Hintergrund und das Geschlecht der Sprechenden präzise unterscheiden, sondern auch die Szene korrekt einschätzen. Laut offiziellen Angaben liefert es bei der Echtzeit-Trennung von Sprechern, beim Umgebungsverständnis, beim Audioverständnis und bei der Emotionserkennung „hervorragende Leistungen“ und treibt die Anwendung künstlicher Intelligenz in der realen physischen Welt einen Schritt voran.
Dieser neue Baustein ist bereits in mehrere iFLYTEK-Produkte integriert worden. Der iFLYTEK Input Method Editor 16.0, iFLYTEK Tingjian, das iFLYTEK Office Notebook und der iFLYTEK Übersetzer wurden vollständig damit ausgestattet und unterstützen beliebiges Umschalten zwischen Chinesisch und Englisch sowie die Echtzeiterkennung von Sprechern – das heißt, wenn Sie beim Sprechen zwischen zwei Sprachen wechseln und daneben mehrere Personen nacheinander sprechen, kann es alles mitverfolgen und klar unterscheiden.
Auch die passende Hardware wurde präsentiert. iFLYTEK hat den „iFLYTEK AI Audio Ring“ vorgestellt, der mit einem 4+1-Ringmikrofonarray ausgestattet ist und über Wi-Fi6 überträgt. Laut Herstellerangaben beträgt die kombinierte Erkennungsgenauigkeit über 96 %, und die Transkription einer 2-Stunden-Aufnahme ist in nur 2 Minuten abgeschlossen.