iFlytek da universidade tsinghua lança API de modelo de base de voz sparkaudio 1.0, com suporte para 99 idiomas e 202 dialetos

A iFlytek anunciou o lançamento do seu serviço de API de modelo de base de voz SparkAudio 1.0 na sua plataforma aberta. Este novo modelo suporta tanto a entrada de texto quanto a voz, com capacidades de saída de texto, permitindo diversas aplicações, como transcrição de fala, tradução multilingue, reconhecimento de dialetos, compreensão de sons ambientais, separação de falantes, análise de emoções e resposta a perguntas complexas em áudio. Este avanço aborda as limitações encontradas nos métodos tradicionais de processamento de áudio em cascata, que frequentemente resultam na perda de informações — como a omissão do tom ou do ruído de fundo — e na fragmentação do sistema, levando a latência e erros. O SparkAudio 1.0 interpreta diretamente o áudio, compreendendo não apenas as palavras faladas, mas também a semântica, a emoção e o contexto da cena subjacentes. Em comparação com o seu antecessor, o SparkAudio 1.0 oferece melhorias significativas, notavelmente suportando 99 idiomas e 202 dialetos para tarefas multilingues aprimoradas. Além disso, as suas capacidades de compreensão mais profundas permitem a sua aplicação em diversos setores, incluindo atendimento ao cliente inteligente, painéis de veículos, reuniões interlinguísticas, análise de registos médicos e moderação de conteúdo.