iFLYTEK lança Spark-ASR-2.0 para transcrição de áudio e dialetos
A iFLYTEK apresentou o Spark-ASR-2.0, modelo de reconhecimento de voz focado em ambientes ruidosos, dialetos chineses e alternância para o inglês.
Resumo rápido
- A iFLYTEK apresentou o modelo Spark-ASR-2.0 para reconhecimento de fala em ambientes de alta complexidade acústica.
- A empresa afirma ter reduzido as taxas de erro em relação ao modelo anterior, aumentando o custo de inferência em cerca de 10%.
- A ferramenta será integrada gradualmente ao iFLYTEK Input e disponibilizada via API pública a partir de 24 de setembro.
Entenda o contexto
O reconhecimento automático de fala (ASR) é a tecnologia que converte áudio falado em texto escrito. O avanço em modelos como o Spark-ASR-2.0 visa resolver desafios históricos do setor, como a compreensão de sotaques regionais, ruídos de fundo e a mistura de idiomas em uma mesma frase.
A chinesa iFLYTEK lançou em 23 de setembro de 2026 o Spark-ASR-2.0, seu mais recente modelo de grande porte voltado ao reconhecimento automático de fala (ASR, na sigla em inglês). Segundo a empresa, a atualização tem como foco a transcrição em cenários complexos, como ambientes com alto nível de ruído, fala em baixo volume e frases que misturam chinês e inglês no mesmo trecho.
Em comparação com o Spark-ASR-1.0, a desenvolvedora afirma que o novo sistema reduziu a taxa de erros na transcrição geral, no reconhecimento contextual e na fluência do texto gerado. A arquitetura combina um módulo de reconhecimento não autorregressivo com correções de um modelo de linguagem ampliado por decodificação especulativa. As informações da companhia indicam que essa evolução elevou os custos de inferência — processo em que o modelo processa os dados de áudio — em cerca de 10%.
Integração em produtos e recursos para dialetos
O foco do Spark-ASR-2.0 é transformar a fala em textos prontos para uso em mensagens ou anotações, removendo palavras de preenchimento e ajustando pontuação, números e unidades. A cobertura declarada para dialetos abrange 202 cidades chinesas sem necessidade de alternância manual de configurações, além de apresentar suporte a termos técnicos das áreas médica, química e científica.
A distribuição do Spark-ASR-2.0 começou em 24 de setembro de 2026 com o início da integração ao aplicativo iFLYTEK Input, além da oferta de uma interface de programação (API) aberta na plataforma da empresa. A tecnologia também deve ser incorporada em óculos inteligentes, blocos de notas corporativos e na linha de transcrição iFLYTEK Tingjian. De acordo com o cronograma da fabricante, as próximas etapas de desenvolvimento incluem a rejeição de vozes secundárias em ambientes barulhentos, edição de conteúdo por comandos de voz e formatação adaptada ao tom emocional do locutor.
Referências
- Fonte consultada: Pandaily — Tecnologia chinesa
Links para conferência: não indicam endosso das fontes ao conteúdo do portal.
Gostou? Compartilhe:
Comentários 0
Ninguém comentou ainda. Seja o primeiro!
