Chinese AI-stemrace laait op: iFlytek onthult SparkAudio 1.0
Het Chinese AI-bedrijf iFlytek gebruikte donderdag zijn jaarlijkse 1024 Developer Festival om SparkAudio 1.0 te onthullen, een spraakfundamentmodel dat het bedrijf beschrijft als de eerste bouwsteen van zijn spraaktechnologiestack. Het model voegt machinevertaling, spraakherkenning en semantisch begrip samen in één systeem, in plaats van afzonderlijke tools voor elke taak aan elkaar te naaien.
In een demonstratie rond een filmfragment onderscheidde het model stemmen van achtergrondgeluid, identificeerde het het geslacht van sprekers en maakte het nauwkeurige inschattingen van de scène. iFlytek zegt dat het systeem realtime sprekersscheiding, omgevingsbegrip, audiobegrip en emotieherkenning aankan. Voor wereldwijde lezers is de boodschap eenvoudig: één model dat een gesprek kan horen, ontleden en vertalen terwijl het zich ontvouwt, wat belangrijk is voor callcenters, live ondertiteling, grensoverschrijdende vergaderingen en spraakassistenten die nu van meerdere losgekoppelde engines afhankelijk zijn.
De spraaklancering ging gepaard met de release van Spark X2.6, een end-cloud groot model gebouwd op een mixture-of-experts-architectuur met 293 miljard parameters, 30 miljard actieve parameters en een contextvenster van één miljoen tokens. iFlytek zegt dat de upgrade zich richt op codeer- en agentmogelijkheden, en dat het model volledig is getraind op binnenlandse computatiehardware. Het bedrijf introduceerde ook een opensource on-device model dat AI lokaal op telefoons en andere apparaten moet draaien.
De bredere context is een drukke Chinese markt voor AI-assistenten en spraakinterfaces. Anthropic’s Claude Duet, een zelfstandige mobiele app die e-mail en agenda’s volgt en met goedkeuring van de gebruiker bestellingen kan plaatsen, trok aandacht als westers voorbeeld van de persoonlijke agent. Chinese ontwikkelaars racen om vergelijkbare producten te bouwen, en spraak is een van de meest natuurlijke interfaces, omdat typen op een telefoon traag blijft en veel gebruikers al met apparaten praten.
De nadruk van SparkAudio 1.0 op emotie en omgevingsbegrip wijst op waar de concurrentie naartoe gaat. Herkennen wat er gezegd wordt is niet meer genoeg; systemen worden beoordeeld op of ze kunnen zeggen wie er spreekt, hoe die zich voelt en wat er om hen heen gebeurt. Dat is dezelfde set vaardigheden die onderzoekers van humanoïde robotica najagen onder de vlag van fysieke AI, waar machines gesproken commando’s moeten interpreteren in lawaaiige, echte omgevingen.
De bewering van iFlytek over training op binnenlandse chips past ook bij een breder patroon in de Chinese AI-industrie, waar bedrijven werken aan minder afhankelijkheid van buitenlandse hardware. Het bedrijf gaf geen gedetailleerde benchmarkvergelijkingen vrij, en onafhankelijke evaluaties van SparkAudio 1.0 moeten nog verschijnen. De prestaties in de praktijk in lawaaiige callcenters, met regionale accenten en meertalige gesprekken zullen bepalen of de geïntegreerde aanpak zijn belofte waarmaakt.
Wat duidelijk is, is het tempo. Binnen één developerevenement kondigde iFlytek een spraakfundamentmodel, een grote taalmodellupgrade en een opensource edge-model aan, een teken dat Chinese AI-bedrijven producten over de hele stack leveren in plaats van zich op één vlaggenschip te richten. Voor ontwikkelaars is de vraag of deze stukken goed genoeg in elkaar passen om erop voort te bouwen. Voor gebruikers zal de test stiller zijn: of de spraakassistent aan de andere kant eindelijk klinkt alsof hij het begrijpt.