이푸퉁신은 오늘 오후 열린 글로벌 1024 개발자 페스티벌에서 스파크 계열의 첫 음성 기반석을 정식 공개했다——스파크 음성 기반 대규모 모델 SparkAudio1.0이다. 이 모델은 기계 번역, 음성 인식, 의미 이해 같은 능력을 하나의 모델에 결합해 기본 음성 능력을 전반적으로 한 단계 끌어올렸다.
공식 시연에서 SparkAudio1.0은 한 영화 장면을 통해 얼마나 예리한 "귀"를 갖추었는지를 보여주었다. 소리 내용, 배경, 화자의 성별을 정확히 구분할 뿐만 아니라 장면에 대해서도 정확한 판단을 내렸다. 공식 측은 이 모델이 실시간 화자 분리, 환경 이해, 오디오 이해, 감정 인식 모두에서 "뛰어난 성과"를 보이며, 인공지능을 실제 물리 세계의 응용으로 한 걸음 더 나아가게 하고 있다고 밝혔다.
이 새로운 기반석은 이미 이푸퉁신의 여러 제품에 탑재되었다. 이푸퉁신 입력법 16.0, 이푸퉁신 히어잔(讯飞听见), 이푸퉁신 오피스북, 이푸퉁신 번역기에 전면 적용되어 중국어와 영어를 자유롭게 전환할 수 있고 화자 실시간 인식을 지원한다——즉, 말하면서 두 언어 사이를 오가거나 주변에서 여러 사람이 차례로 말을 해도 따라가고 구분해낼 수 있다.
관련 하드웨어도 함께 선보였다. 이푸퉁신은 "이푸퉁신 AI 녹음 링"을 발표했으며, 4+1 링 마이크 배열과 Wi-Fi6 전송을 탑재하고, 종합 인식 정확률이 96%를 넘는다고 주장했다. 2시간 분량의 녹음 전사는 단 2분이면 완료된다.