iFlytek de la universidad tsinghua lanza la API del modelo de base de voz sparkaudio 1.0, que admite 99 idiomas y 202 dialectos

iFlytek ha anunciado el lanzamiento de su servicio de API del modelo de base de voz SparkAudio 1.0 en su plataforma abierta. Este nuevo modelo admite tanto la entrada de texto como la de voz, con capacidades de salida de texto, lo que permite diversas aplicaciones como la transcripción de voz, la traducción multilingüe, el reconocimiento de dialectos, la comprensión de sonidos ambientales, la separación de hablantes, el análisis de emociones y la respuesta a preguntas complejas en audio. Este avance aborda las limitaciones encontradas en los métodos tradicionales de procesamiento de audio en cascada, que a menudo resultan en la pérdida de información, como la omisión del tono o el ruido de fondo, y en la fragmentación del sistema, lo que provoca latencia y errores. SparkAudio 1.0 interpreta directamente el audio, comprendiendo no solo las palabras habladas, sino también la semántica subyacente, la emoción y el contexto de la escena. En comparación con su predecesor, SparkAudio 1.0 ofrece importantes mejoras, especialmente al admitir 99 idiomas y 202 dialectos para tareas multilingües mejoradas. Además, sus capacidades de comprensión más profundas le permiten aplicarse en diversos sectores, incluidos el servicio al cliente inteligente, los salones de mando de automóviles, las reuniones multilingües, el análisis de registros médicos y la moderación de contenidos.