Spark-Audio-1.0-Preview خدام

Spark-Audio-1.0-Preview هو موديل لغوي أساسي للصوت مطوّر من طرف iFlytek، بهندسة كتجمع بين مُرمّز صوتي 0.65B وموديل لغوي كبير 30B-A3B، ومتدرّب على 13 مليون ساعة ديال الصوت وكمية كبيرة من البيانات النصية باستعمال عتاد حوسبة وطني بالكامل. كيقدر الموديل يفهم مباشرة المعنى والمشاعر والسياق فالكلام، وكيْدعم التعرّف على 99 لغة و202 لهجة، إضافة لتحويل الصوت لنص، والترجمة، والتعرّف على المتكلمين، وتحليل المشاعر، والجواب على الأسئلة المتعلقة بالصوت وغيرها. وكايقدّم أداء قوي فالمواقف المعقدة بحال الضجيج العالي والصوت المنخفض، وكيصلح للاستعمال فخدمة الزبناء، والسيارات، والطب، ومجالات أخرى.

تحويل الصوت لنص: كيحوّل الصوت مباشرة لكتابة، وكيْدعم التعرّف على 99 لغة و202 لهجة.
الترجمة متعددة اللغات: كيوفّر الترجمة من الصوت للصوت أو من الصوت للنص بين لغات مختلفة، مع الحفاظ على معلومات النبرة والتنغيم والإيقاع.
التعرّف على اللهجات: كيغطي 202 لهجة، وكيقدر يفهم حتى الكانتونية ولهجة ونتشو وغيرها.
التعرّف على أصوات المحيط: كيقدر يسمع ويفهم صوت الناس والأصوات الخلفية فآن واحد، ويفهم السياق اللي وقع فيه الصوت.
التعرّف على المتكلمين: كيفرّق أوتوماتيكيا شكون كيهضر، وكيصلح لتحويل اجتماعات لنص وإنشاء المحاضر وغيرها.
تحليل المشاعر: كيلتقط النبرة والمشاعر فالصوت، باش يولي التفاعل أكثر ”دفئا”.
السؤال والجواب على الصوت: كيفهم المحتوى الصوتي المعقد وكيجاوب على الأسئلة المتعلقة به، وكيْنقل التجربة من ”السماع مزيان” للفهم الحقيقي.

هندسة منتهية-للمنتهى لفهم الصوت: عكس الحلول التقليدية المتسلسلة اللي كتبدأ بتحويل الصوت لنص ومن بعد كتبعثو لموديل كبير، كيستعمل الموديل مُرمّزا صوتيا 0.65B مع موديل لغوي كبير 30B-A3B، وكيْدخل النص والصوت بجوج مباشرة لنفس الموديل. بهاد الطريقة كيفهم مرة وحدة كلام الناس، والأصوات المحيطة، والموسيقى، والمعاني والمشاعر والسياقات ديالها، وكيْتفادى ضياع المعلومات وتراكم الأخطاء فالسلسلة المتسلسلة.
التدريب المسبق للمُرمّز الصوتي: كيوسّع الموديل تدريجيا القدرة ديالو على تمثيل المعلومات من خلال التدريب المسبق للمُرمّز الصوتي، ومن بعد كيرفع القدرات الأساسية ديالو وقابلية التعميم فالسياقات المعقدة ونتائج المهام المتعددة باستعمال التدريب المسبق والتدريب اللاحق. فالنتيجة، كيحقق أداء متميز فالسياقات الواقعية المعقدة بحال الضجيج العالي والصوت المنخفض.
التدريب باستعمال حوسبة وطنية بالكامل: تدرّب الموديل على عنقود حوسبة وطني بالكامل، باستعمال 13 مليون ساعة ديال الصوت وكمية كبيرة من البيانات النصية. وهو أول موديل لغوي أساسي للصوت فالمجال متدرّب باستعمال حوسبة وطنية بالكامل، وكيْبرهن بلي العتاد الوطني قادر يدرّب موديلات صوتية بمستوى رائد فالمجال.
منظومة أساسية قابلة للضبط الدقيق: بحال منظومة iFlytek Spark 1+N، كيقدر Spark-Audio، باعتباره موديل أساسي للصوت، يتضبط بدقة من بعد لتطوير موديلات أو أنظمة متخصصة فالتعرّف على الكلام، والترجمة الفورية، والتفاعل الصوتي وغيرها، وهادشي كيسهّل تطبيقو فمجالات الصوت المختلفة.

حل صفحة التجربة الرسمية: دخل لعنوان تجربة الموديل https://iflytekresearch.iflytek.com/experience/spark-audio .
جرّب قدرات الموديل مباشرة: دخل نص أو صوت فالصفحة، وجرّب تحويل الصوت لنص، والترجمة، والتعرّف على اللهجات، والسؤال والجواب على الصوت وغيرها.

التدريب باستعمال حوسبة وطنية بالكامل: أول موديل لغوي أساسي للصوت فالمجال متدرّب على عنقود حوسبة وطني بالكامل، وكيْبرهن بلي الحوسبة الوطنية قادرة تدرّب موديلات بمستوى رائد فالمجال.
فهم الصوت مباشرة من البداية للنهاية: كيتجاوز الحل المتسلسل ديال ”حوّل الصوت لنص ومن بعد فهمو”، وكيحافظ على المعلومات المهمة بحال النبرة والمشاعر والأصوات المحيطة، وكيْزيل الانقطاع والتأخير فالسلسلة.
تغطية واسعة للغات واللهجات: كيدعم التعرّف على 99 لغة و202 لهجة، وكيْتفوق فالتعرّف على اللغات واللهجات مقارنة بموديلات من نفس الحجم.
أداء رائد فالسياقات المعقدة: عندو أفضلية واضحة فالمهام الواقعية بحال الضجيج العالي والصوت المنخفض، وقدرة قوية على مقاومة الضجيج.
كيْنافس الموديلات الأكبر بلا فرق كبير: النتائج ديالو قريبة من Qwen3.5-omni-plus اللي أكبر منو بدرجة فالحجم، وحقق SOTA فمجموعة الاختبار الصينية Fleurs، وتجاوز Gemini-3.1 Pro فالنقط ديال عدة تقييمات.
القدرات النصية ما نقصاتش: ما بانش عليه تراجع واضح فالمهام النصية بحال المعرفة العامة والرياضيات والبرمجة، وتجاوز واحد من الصعوبات المعروفة ديال موديلات الصوت الأساسية.
هندسة فعالة: كيستعمل مُرمّز صوتي 0.65B مع هندسة MoE من نوع 30B-A3B، وكيحقق بحجم صغير أداء قريب من موديلات أكبر ومغلقة المصدر.

خدمة الزبناء الذكية: كيتعرّف على مشاعر الزبون وطريقة التعبير ديالو، باش تولي المحادثة أكثر سلاسة ودفئا، ويتحسن مستوى الخدمة.
مقصورة السيارة: كيتعرّف بدقة على أوامر السائق وسط الضجيج ديال السيارة، وكيْدعم التفاعل باللهجات، باش يوفّر تجربة تفاعل صوتي طبيعية أكثر داخل السيارة.
الترجمة الفورية والاجتماعات متعددة اللغات: كيوفّر الترجمة الفورية والترجمة متعددة اللغات، مع الحفاظ على النبرة والتنغيم والإيقاع، وكيْعطي تواصلا طبيعيا أكثر بين اللغات.
تحويل الاجتماعات لنص وإنشاء المحاضر: كيفرّق أوتوماتيكيا بين المتكلمين، وكيستخرج نقاط القرار الرئيسية، وكيْنشئ محاضر منظمة، وكيْعاون الموظفين ينقصو من خدمة الترتيب اليدوي المتكررة.
الملفات الطبية الإلكترونية ومراجعة المحتوى: كيستعمل الصوت لتسجيل الملفات الطبية ومراجعة المحتوى، وكيْنقص عبء الإدخال اليدوي ويرفع الكفاءة فالمجالات المتخصصة بحال الطب.