Kinesiska iFlytek (科大讯飞) meddelade den 12 november att företagets modell SparkAudio 1.0 nu är tillgänglig för utvecklare via ett programmeringsgränssnitt (API). Samma dag rapporterade den kinesiska teknikwebbplatsen IT Home (IT之家) om saken.

SparkAudio 1.0 är en grundmodell för tal, alltså en modell som har tränats på omfattande data och används som bas för många olika uppgifter. Den ingår i iFlyteks modellserie Spark (讯飞星火). Modellen tar emot tal och text och svarar med text.

Enligt företaget kan modellen transkribera tal, översätta mellan språk och känna igen dialekter och omgivningsljud. Den skiljer dessutom talare åt, analyserar känslolägen och besvarar komplexa frågor om en ljudinspelning.

Enligt iFlytek tolkar modellen talet direkt och inte via text

iFlytek motiverar modellen med att ljud vanligtvis har bearbetats i en kedja. Först omvandlas talet till text, och först därefter tolkar en stor språkmodell texten. Texten bevarar bara vad som sades, säger företaget. Tonfall, känsloläge och bakgrundsljud går förlorade. Fel hopas lätt från ett steg till nästa, och fördröjning uppstår när transkribering, talaridentifiering och översättning fungerar som separata delar.

SparkAudio 1.0 omvandlar inte bara tal till text utan tolkar det direkt, uppger företaget. Modellen identifierar i ett svep tal, omgivningsljud och musik samt deras betydelse, känsloläge och situation.

iFlytek uppger att modellen stöder 99 språk och 202 dialekter. Påståendet är företagets eget. Nyheterna innehåller inga siffror om träffsäkerhet och ingen lista över de språk som stöds. Därför måste till exempel stödet för finska kontrolleras separat.

Som användningsområden nämner företaget kundtjänst, förarmiljöer i bilar, flerspråkiga möten, patientjournaler och innehållsmoderering. Modellen har enligt företaget tränats helt med inhemsk, det vill säga kinesisk, beräkningskapacitet.

Uppgifterna kommer från företaget, modellen finns på en utvecklarplattform

En artikel från en kinesisk IT-nyhetssajt (IT时代网), publicerad på Tencent News, återger samma uppgifter. Artikeln bygger enligt egen uppgift på IT Home och andra källor och har delvis tagits fram med hjälp av AI. Den bekräftar därför inte iFlyteks påståenden självständigt.

Gränssnittet finns på iFlyteks utvecklarplattform iFlytek Open Platform (xfyun.cn), och modellen kan provas på företagets webbplats. Priset framgår inte av nyheterna.