Kiinalainen iFlytek (科大讯飞) ilmoitti 12. marraskuuta, että sen SparkAudio 1.0 -malli on nyt kehittäjien käytettävissä ohjelmointirajapinnan (API) kautta. Asiasta uutisoi samana päivänä kiinalainen teknologiasivusto IT Home (IT之家).

SparkAudio 1.0 on puheen perusmalli eli laajalla aineistolla koulutettu malli, jota käytetään monien tehtävien pohjana. Se kuuluu iFlytekin Spark-mallisarjaan (讯飞星火). Mallille voi antaa puhetta ja tekstiä, ja se vastaa tekstinä.

Yhtiön mukaan mallilla voi litteroida puhetta, kääntää kielestä toiseen ja tunnistaa murteita sekä ympäristön ääniä. Lisäksi se erottelee puhujat toisistaan, analysoi tunnetiloja ja vastaa monimutkaisiin kysymyksiin äänitallenteesta.

iFlytekin mukaan malli tulkitsee puheen suoraan eikä tekstin kautta

iFlytek perustelee mallia sillä, että ääntä on yleensä käsitelty ketjussa. Ensin puhe muutetaan tekstiksi, ja vasta sitten suuri kielimalli tulkitsee sen. Yhtiön mukaan teksti säilyttää vain sen, mitä sanottiin. Äänensävy, tunnetila ja taustaäänet katoavat. Virheet kasautuvat helposti vaiheesta toiseen ja viivettä syntyy, kun litterointi, puhujantunnistus ja käännös toimivat erillisinä osina.

SparkAudio 1.0 ei yhtiön mukaan pelkästään muuta puhetta tekstiksi vaan tulkitsee sen suoraan. Se tunnistaa kerralla puheen, ympäristön äänet ja musiikin sekä niiden merkityksen, tunnetilan ja tilanteen.

iFlytekin mukaan malli tukee 99 kieltä ja 202 murretta. Väite on yhtiön oma. Uutisissa ei kerrota tarkkuuslukuja eikä luetella tuettuja kieliä, joten esimerkiksi suomen tuki on tarkistettava erikseen.

Käyttökohteiksi yhtiö mainitsee asiakaspalvelun, autojen ohjaamot, monikieliset kokoukset, potilaskertomukset ja sisällön valvonnan. Yhtiön mukaan malli on koulutettu kokonaan kotimaisella eli kiinalaisella laskentakapasiteetilla.

Tiedot yhtiöltä, saatavuus kehittäjäalustalla

Tencent Newsissä julkaistu kiinalaisen IT-uutissivuston (IT时代网) juttu kertoo samat tiedot. Se on oman ilmoituksensa mukaan koottu IT Homen ja muiden lähteiden pohjalta ja osin tekoälyn avulla, joten se ei vahvista iFlytekin väitteitä itsenäisesti.

Rajapinta on tarjolla iFlytekin kehittäjäalustalla iFlytek Open Platformilla (xfyun.cn), ja mallia voi kokeilla yhtiön verkkosivulla. Hintaa uutisissa ei kerrota.