Компания iFlytek представила базовую языковую модель SparkAudio 1.0 в рамках мероприятия Global 1024 Developer Festival. Решение объединяет функции машинного перевода, распознавания речи и семантического анализа для улучшения обработки аудиоданных.
Модель поддерживает распознавание эмоций, анализ окружающей обстановки и разделение голосов спикеров в реальном времени. Разработчики продемонстрировали возможности системы на примере анализа фрагментов фильмов, где ИИ определял содержание звука, фон и пол говорящих.
SparkAudio 1.0 уже интегрирована в продукты iFlytek, включая клавиатуру Input Method 16.0, сервис iFlytek Hear, офисные планшеты и переводчики. Пользователям доступно переключение между китайским и английским языками.
Также компания выпустила аппаратное устройство AI Recording Ring. Гаджет оснащен массивом из 4+1 микрофонов и модулем Wi-Fi 6. Заявленная точность распознавания превышает 96 процентов, а транскрибация двухчасовой записи занимает 2 минуты.
