Lors du Global 1024 Developer Festival cet après-midi, iFlytek a officiellement révélé la première pierre vocale de la famille Spark — le grand modèle de base vocal SparkAudio 1.0. Il réunit la traduction automatique, la reconnaissance vocale et la compréhension sémantique dans un même modèle, élevant d'un cran l'ensemble des capacités vocales fondamentales.
Dans la démonstration officielle, SparkAudio 1.0 a montré à quel point son « oreille » est fine grâce à un extrait de film : il ne distingue pas seulement avec précision le contenu sonore, l'arrière-plan et le sexe du locuteur, mais porte aussi un jugement exact sur la scène. Selon l'entreprise, il « excelle » en séparation de locuteurs en temps réel, en compréhension de l'environnement, en compréhension audio et en reconnaissance des émotions, faisant ainsi progresser l'intelligence artificielle vers des applications dans le monde physique réel.
Cette nouvelle pierre de base est déjà intégrée dans plusieurs produits iFlytek. L'iFlytek Input Method 16.0, iFlytek Tingjian, le carnet de bureau iFlytek et le traducteur iFlytek sont tous lancés, prenant en charge la commutation libre entre le chinois et l'anglais ainsi que la reconnaissance des locuteurs en temps réel — autrement dit, même si vous passez d'une langue à l'autre en parlant et que plusieurs personnes autour de vous prennent la parole à tour de rôle, il arrive à suivre et à distinguer chacune.
Le matériel d'accompagnement a également été présenté. iFlytek a lancé l'« iFlytek AI Recording Ring », équipé d'un réseau de micros en anneau 4+1 et utilisant la transmission Wi-Fi6, avec une précision de reconnaissance globale revendiquée supérieure à 96 % ; la transcription d'un enregistrement de 2 heures ne prend que 2 minutes.