En el Global 1024 Developer Festival de esta tarde, iFlytek presentó oficialmente la primera piedra angular de voz de la familia Xinghuo: el gran modelo fundacional de voz SparkAudio 1.0. Reúne en un mismo modelo habilidades como la traducción automática, el reconocimiento de voz y la comprensión semántica, elevando en conjunto las capacidades básicas de voz un nivel más.
En la demostración oficial, SparkAudio 1.0 mostró lo agudo de su "oído" con un fragmento de película: no solo puede distinguir con precisión el contenido sonoro, el fondo y el género del hablante, sino que también puede juzgar con exactitud la escena. Según la compañía, tiene un "rendimiento sobresaliente" en separación de hablantes en tiempo real, comprensión del entorno, comprensión de audio y reconocimiento de emociones, avanzando un paso más en llevar la inteligencia artificial hacia aplicaciones en el mundo físico real.
Esta nueva piedra angular ya se ha integrado en varios productos de iFlytek. El teclado de entrada iFlytek 16.0, iFlytek Tingjian, el cuaderno de oficina iFlytek y el traductor iFlytek se han lanzado por completo, con soporte para alternar libremente entre chino e inglés y reconocimiento de hablantes en tiempo real; es decir, si cambias de idioma mientras hablas y a tu alrededor hablan varias personas a la vez, el sistema puede seguirte y distinguirlas claramente.
El hardware complementario también fue presentado. iFlytek lanzó el "anillo de grabación con IA iFlytek", equipado con un arreglo de micrófonos de 4+1 anillos y transmisión Wi-Fi6, con una precisión de reconocimiento combinada superior al 96% según la compañía, y una grabación de 2 horas puede transcribirse por completo en solo 2 minutos.