iFLYTEK ha presentado SparkAudio 1.0, un modelo de audio que unifica reconocimiento, traducción y emoción, y una plataforma para dotar de inteligencia auditiva a los robots.
En su festival anual para desarrolladores, celebrado el 26 de octubre de 2026, iFLYTEK presentó dos novedades que marcan su hoja de ruta hacia la interacción multimodal: el modelo de audio SparkAudio 1.0 y la plataforma Robot Super Brain 3.0.
No se trata de actualizaciones menores. La empresa china lleva décadas especializada en reconocimiento de voz y, con estos lanzamientos, apuesta por consolidar en un único modelo base todo lo que antes eran sistemas separados.
Un solo modelo para escuchar, entender y traducir
SparkAudio 1.0 integra traducción automática, reconocimiento de voz y comprensión semántica en una sola arquitectura. La idea es que las tres tareas se retroalimenten durante el entrenamiento, en lugar de funcionar como módulos aislados.
El modelo combina un codificador de audio denso de 650 millones de parámetros con un modelo de lenguaje de tipo mezcla de expertos de 30B-A3B. Se entrenó con 13 millones de horas de audio más grandes corpus de texto, y da soporte a reconocimiento de voz en 99 idiomas y 202 dialectos.
Un detalle relevante para el contexto geopolítico actual: el entrenamiento se realizó sobre aceleradores de fabricación china, concretamente chips Huawei Ascend 910B y Hygon BW1000.
Qué puede hacer más allá del reconocimiento clásico
Más allá de transcribir lo que dice alguien, SparkAudio 1.0 apunta a entender el entorno sonoro completo. Según iFLYTEK, en una calle ruidosa el modelo es capaz de separar voces superpuestas, identificar el sonido de bocinas, vendedores ambulantes o neumáticos, y deducir el contexto a partir de esas señales.
El sistema también incluye interpretación simultánea, interacción por voz, reconocimiento de emociones y comprensión de sonidos ambientales. Son capacidades que, combinadas, abren posibilidades en sectores como atención al cliente, accesibilidad o robótica.
Las mejoras técnicas que cita la empresa
El presidente de iFLYTEK, Liu Qingfeng, detalló en su keynote tres cambios técnicos concretos:
- Un decodificador de audio semisupervisado que, según la empresa, mejora la precisión en un 20 %.
- Un modelado segmentado dinámico de extremo a extremo que reduce el tiempo de respuesta en un 15 %.
- Una decodificación colaborativa de doble paradigma que recorta los costes en un 60 %.
Conviene leer estas cifras con la cautela habitual: son datos propios de iFLYTEK, sin validación externa, y el propio informe técnico reconoce que el seguimiento de instrucciones complejas y el razonamiento sobre audio siguen siendo áreas de mejora.
Dónde está disponible ya
SparkAudio 1.0 no es solo un anuncio de laboratorio. Ya está integrado en varios productos de la compañía: el método de entrada iFLYTEK Input Method 16.0, la aplicación iFLYTEK Hearing, y sus libretas y traductores inteligentes.
También presentaron un accesorio llamado anillo de grabación con IA, que se adhiere magnéticamente a la parte trasera del móvil y, según iFLYTEK, es capaz de transcribir dos horas de audio en dos minutos.
Robot Super Brain Platform 3.0: audio para máquinas que se mueven
La segunda gran presentación del evento fue la plataforma Robot Super Brain 3.0, pensada para llevar estas capacidades auditivas a robots físicos.
Los retos aquí son distintos a los de un altavoz inteligente o un teléfono. Un robot en un espacio con varias personas necesita saber quién le está hablando a él, reducir el ruido dinámico del entorno y, además, coordinar lo que dice con lo que hace: por ejemplo, agitar la mano mientras se despide verbalmente.
iFLYTEK llama a esto «interacción multimodal encarnada» y lo traduce en hardware concreto: una placa Spark Super Brain, un módulo de interacción multimodal y un kit de desarrollo para IA encarnada.
Lo que nos parece relevante para el sector
La tendencia que ilustra SparkAudio 1.0 es clara: los modelos de audio especializados están convergiendo con los grandes modelos de lenguaje. Ya no se trata de transcribir bien, sino de entender el contexto sonoro completo, incluyendo quién habla, cómo lo dice y qué está pasando alrededor.
Para equipos que trabajan con interfaces conversacionales, accesibilidad o automatización de atención al cliente, este tipo de modelos —aunque hoy sean de un fabricante chino con distribución limitada fuera de Asia— marcan el nivel técnico al que el sector se está moviendo.
Lo que iFLYTEK está haciendo con hardware propio y modelos integrados verticalmente es también una señal de hacia dónde van los ecosistemas de IA: menos dependencia de capas externas, más control sobre la cadena completa.
Fuente original
Del blog al tablero
La IA ya puede estar trabajando en tu negocio.
Integramos módulos de inteligencia artificial en el día a día de empresas reales: atención, contenido, automatización. Primero los probamos en casa.
Sigue leyendo
Artículos relacionados.
OpenAI publica 722 trabajos matemáticos que resuelven 90 de los 500 grandes problemas abiertos
Un modelo interno de OpenAI ha producido 722 manuscritos matemáticos en pocas horas de cómputo. Expertos lo califican como el momento más significativo en más de un siglo.
Anthropic invierte 100 millones para formar a 10.000 ingenieros en IA
Anthropic lanza una apuesta formativa masiva para cerrar la brecha de talento en IA empresarial. Qué significa esto para el sector y para los equipos técnicos.
Boston Dynamics rediseña la mano de Atlas: cuatro dedos y más fiabilidad
Atlas estrena una mano de cuatro dedos y 13 grados de libertad pensada para usar herramientas en entornos industriales reales, no para imitar la mano humana.
Publicado el