Spark-ASR-2.0 خدام

Spark-ASR-2.0 هو أحدث موديل كبير للتعرّف على الكلام من iFlytek، مبني على الموديل الأساسي للصوت Spark-Audio ديال Spark. كيستعمل الموديل بنية تعاونية «غير ذاتية الانحدار + ذاتية الانحدار معززة بـLLM»، وكيحقق التعرّف على الكلام المختلط بالصينية والإنجليزية، واللهجات، والمصطلحات المتخصصة، والصوت الضعيف وسط الضجيج العالي وغيرها من الحالات المعقدة. النتائج ديالو كتفوق أحسن مستوى فالمجال، مع زيادة غير 10% فتكلفة الاستدلال. الموديل كيقدر يحيد العبارات الزايدة، ويزيد علامات الترقيم، وينظّم التعبير تلقائيا. راه خدام دابا فلوحة مفاتيح iFlytek ومفتوح عبر API، وغادي يتدمج من بعد فالنظارات الذكية وأجهزة المكتب وغيرها.

التعرّف على الكلام المختلط بالصينية والإنجليزية: تعرّف دقيق فالحالات اللي كيتخلط فيها الكلام، بلا ما تحتاج تبدّل اللغة.
التعرّف على اللهجات بلا تبديل: كيدعم لهجات 202 مدينة فالصين، وكيحوّل الكلام بدقة كيفما هضرت.
التعرّف على المصطلحات المتخصصة: تحسّن بشكل واضح فالتعرّف على المصطلحات الصعيبة ديال الطب والكيمياء والتكنولوجيا وغيرها.
التعرّف فالحالات الصوتية المعقدة: أداء قوي مع الضجيج العالي، والصوت الضعيف، والسرعة الكبيرة فالهضرة، وأصوات الأطفال، وأفضل من أحسن مستوى فالمجال.
التعرّف حسب السياق: كيدمج سجلّ التعرّف، وتعديلات المستخدم، والكلمات الشائعة باش يحلّ مشكل الكلمات المتشابهة فالنطق واللبس فالمعنى.
تنميط النص وتسهيل قراءتو: كيختصر الزائد، ويحيد العبارات الزايدة، ويزيد علامات الترقيم، وينظّم الأرقام والرموز والوحدات تلقائيا، باش يخرج النص مرتب وسلس.

بنية تعاونية بين غير ذاتي الانحدار وذاتي الانحدار معزّز بـLLM: كيكمل نهج غير ذاتي الانحدار ديال Spark-ASR-1.0، وكيخرج السلسلة النصية كاملة دفعة وحدة وبالتوازي باش يحافظ على سرعة الاستدلال؛ وفنفس الوقت كيدمج التعرّف الذاتي الانحدار المعزّز بـLLM، والتعاون بيناتهم كيرفع الدقة العامة والقدرة على فهم اللغة.
تعزيز مشترك للنصوص والأصوات المختلطة بالصينية والإنجليزية: كيدير نمذجة وتعزيز منفصل للمستوى النصي والمستوى الصوتي، ومن بعد كيدير تحسين مشترك، وهاد الشي كيرفع الأداء بشكل كبير فالتعرّف العام على الكلام المختلط بالصينية والإنجليزية، واللهجات، والمصطلحات المتخصصة وغيرها.
إدماج السياق بشكل ديناميكي: أثناء التعرّف، كيدمج فالحين محتوى التعرّف السابق ديال المستخدم، وسجلّ التعديلات، والكلمات الشخصية الشائعة، وكيعتمد على سياق الجملة اللي قبل واللي من بعد باش يفهم ويحكم، وكيقلّل بشكل فعّال من أخطاء التعرّف الناتجة عن النطق المتشابه والأسماء المتقاربة.
الاستفادة المستمرة من قدرات الموديل الأساسي للصوت: البنية كاملة مبنية على الموديل الصوتي الأساسي Spark-Audio-1.0-Preview، وكتستافد من قوتو فالتعرّف فالحالات الصوتية المعقدة، مع تحسينات خاصة فالدقة وتنميط النص.

الطريقة الأولى: التجربة أونلاين
الطريقة الثانية: لوحة مفاتيح iFlytek
الطريقة الثالثة: الربط عبر API (للمطورين)
حلّ صفحة التجربة: دخل لـ https://iflytekresearch.iflytek.com/experience/spark-asr
دخل الصوت أو سجّلو: هضر مباشرة فالصفحة أو حمّل ملف صوتي، وغادي تشوف النتيجة فالحين.
حمّل لوحة مفاتيح iFlytek: مسح الرمز أو ثبّت آخر نسخة من لوحة مفاتيح iFlytek من متجر التطبيقات.
بدّل للإدخال الصوتي: فالواجهة ديال الإدخال، كليك على أيقونة الميكروفون وضغط مطوّل وأنت كتهضر، وغادي تستعمل Spark-ASR-2.0 للتعرّف.
دخل للمنصة المفتوحة: سجّل الدخول لمنصة iFlytek المفتوحة https://www.xfyun.cn/services/spark_asr_zh_en_v2.0
أنشئ تطبيق وخذ المفاتيح: من بعد تسجيل التطبيق، خذ AppID وAPIKey ومعلومات المصادقة الأخرى.
استعمل خدمة API: مرّر التدفق الصوتي حسب وثائق الواجهة، ودمج قدرة التعرّف فالتطبيق ديالك.

نتائج رائدة فالمجال: فاللهجات، والضجيج العالي، والصوت الضعيف وغيرها، الأداء أحسن من أفضل مستوى حالي فالمجال، وWER نقص بشكل واضح.
تكلفة استدلال منخفضة بزاف: مع تحسّن كبير فالأداء، زادت التكلفة غير بـ10% مقارنة مع الإصدار 1.0.
بنية فعّالة غير ذاتية الانحدار: كتخرج السلسلة النصية كاملة دفعة وحدة وبالتوازي، وكتجمع بين الدقة العالية وسرعة الاستدلال.
تغطية كاملة للحالات المعقدة: التعرّف الدقيق على الكلام المختلط بالصينية والإنجليزية، ولهجات 202 مدينة بلا تبديل، والمصطلحات المتخصصة، والهضرة السريعة، وأصوات الأطفال.
فهم قوي للسياق: كيدمج سجلّ التعرّف والكلمات الشائعة بشكل ديناميكي لحلّ اللبس، وكيعالج بدقة الكلمات المتشابهة فالنطق والأسماء المتقاربة.
إخراج سلس ومنظّم: كيحيد العبارات الزايدة، ويزيد علامات الترقيم، وينظّم الأرقام والرموز، وكيخرج مباشرة نص رسمي مرتب ومترابط.

الإدخال فالهاتف: كتب بالصوت فلوحة مفاتيح iFlytek، هضر بالصينية والإنجليزية مخلوطين أو بأي لهجة، وغادي يتحوّل الكلام تلقائيا لنص منظم واجد للإرسال.
تسجيل الاجتماعات: كيحوّل محتوى الاجتماعات فالحين عبر أجهزة المكتب أو iFlytek Tingjian، وحتى قاعات الاجتماعات اللي فيها ضجيج عالي كيتعرّف فيها بدقة وكيخرج نص منظم.
التسجيل فالمجالات المتخصصة: تسجيل النقاشات والمحاضرات الصوتية فالطب والكيمياء والتكنولوجيا، مع تحويل دقيق للمصطلحات المعقدة.
التفاعل مع الأجهزة الذكية: التعرّف على الأوامر الصوتية والمحادثات فالأجهزة بحال نظارات iFlytek AI وآلات الترجمة، مع خدمة مستقرة حتى فالأماكن اللي فيها الصوت ضعيف.
دمج خدمات المطورين: عبر API ديال المنصة المفتوحة، كيوفّر أساس تعرّف دقيق وبتكلفة منخفضة لتطبيقات الشركات بحال خدمة الزبناء، وتوليد الترجمة النصية، والإدخال الصوتي.