شرکت چینی آیفلایتک (iFlytek) در جریان رویداد جهانی توسعهدهندگان، از نخستین مدل پایه صوتی خانواده «اسپارک» با نام اسپارکآدیو ۱.۰ (SparkAudio 1.0) رونمایی کرد. این مدل، ترجمه ماشینی، تشخیص گفتار و درک معنایی را در یک مدل واحد ترکیب کرده و تواناییهای صوتی پایه را به شکل چشمگیری ارتقا داده است.
در نمایش رسمی این فناوری، اسپارکآدیو ۱.۰ با استفاده از یک سکانس فیلم، قدرت «شنوایی» خود را به نمایش گذاشت؛ این مدل توانست محتوای صوتی، صداهای پسزمینه، جنسیت گوینده و شرایط محیطی را با دقت بالایی تشخیص دهد. به گفته این شرکت، مدل جدید در زمینه تفکیک لحظهای گویندگان، درک محیطی، تحلیل صوت و تشخیص احساسات عملکردی فوقالعاده دارد و هوش مصنوعی را یک گام دیگر به دنیای فیزیکی واقعی نزدیکتر میکند.
این مدل پایه جدید هماکنون در محصولات مختلف آیفلایتک از جمله نسخه ۱۶.۰ نرمافزار ورودی، دستیار شنیداری، نوتپوک هوشمند و مترجم این شرکت ادغام شده است. این ابزارها از جابجایی آزادانه میان زبانهای چینی و انگلیسی و تشخیص همزمان گویندگان پشتیبانی میکنند؛ به این معنا که حتی با تغییر مکرر زبان یا صحبت کردن چند نفر بهطور همزمان، سیستم قادر به تفکیک و پیگیری دقیق صداها خواهد بود.
همچنین، سختافزار جدیدی نیز به همراه این مدل عرضه شده است. آیفلایتک «حلقه ضبط هوای آیفلای» را با آرایه میکروفون ۵ گانه و پشتیبانی از وایفای ۶ معرفی کرد که دقت تشخیص کلی آن بیش از ۹۶ درصد اعلام شده و میتواند یک فایل صوتی ۲ ساعته را تنها در مدت ۲ دقیقه پیادهسازی کند.
