← Accueil actu | Salle du marché
2026-11-11 · Source:36氪快讯·中继

Le grand modèle de reconnaissance vocale entre dans une nouvelle phase « montée en qualité, coûts maîtrisés » : un seul jour entre l'annonce et son intégration dans le clavier iFLYTEK, avec ouverture simultanée des API.
Le 23 septembre, iFLYTEK a officiellement lancé sa nouvelle génération de grand modèle de reconnaissance vocale, Spark-ASR-2.0. Le modèle prolonge et approfondit les capacités techniques du modèle de base vocal Spark-Audio-1.0-Preview, avec un effet global de reconnaissance vocale nettement amélioré. Dans un contexte où l'industrie des grands modèles affronte partout la pression d'une « montée simultanée des performances et des coûts de calcul », un modèle de reconnaissance vocale sensiblement plus capable mais dont le coût d'inférence n'augmente que de 10 % par rapport à la génération précédente a une portée de signal qui ne cède rien aux indicateurs techniques eux-mêmes.
Du point de vue de la conception technique, les gains de reconnaissance de Spark-ASR-2.0 proviennent surtout de trois capacités clés. La première est le mécanisme de coopération entre non-autorégression et autorégression renforcée par LLM, qui concilie l'efficacité d'inférence et le gain de compréhension sémantique apporté par les grands modèles. La deuxième est le renforcement conjoint textuel et acoustique pour les scénarios mixtes chinois-anglais, réponse directe aux douleurs les plus courantes des applications vocales d'entreprise en Chine : le parler mixte chinois-anglais et les noms propres entremêlés. La troisième est l'injection dynamique de contexte, qui permet au modèle de maintenir une cohérence de reconnaissance plus stable dans les scénarios de parole continue comme les comptes rendus de réunion et les dialogues de service client.
Les données côté coûts sont tout aussi décisives — par rapport au modèle précédent, le coût d'inférence n'augmente que de 10 %. Pour les entreprises qui appellent en masse des capacités de reconnaissance vocale, l'amélioration des performances à coût quasi constant engage directement le coût unitaire d'appel et le rythme du déploiement commercial. Sur une estimation de scénario typique d'appels à haute fréquence, si une entreprise payait auparavant plusieurs centaines de milliers de yuans par mois pour des API de reconnaissance vocale, même avec de nettes améliorations de performances, l'augmentation de coût après mise à niveau resterait de l'ordre d'un dixième du montant antérieur, et non du double ou plus. Cette courbe de coûts plate permet aux entreprises d'oser introduire rapidement le nouveau modèle en production sans recalculer sans fin le budget comme face à certaines mises à niveau de grands modèles.
Côté déploiement, Spark-ASR-2.0 sera progressivement intégré au clavier iFLYTEK à partir du 24 septembre et offert en services API via la plateforme ouverte iFLYTEK ; il sera ensuite appliqué aux lunettes IA iFLYTEK, au carnet de bureau intelligent iFLYTEK, à iFLYTEK Tingjian et à d'autres produits. À noter : le modèle entre dans le clavier iFLYTEK dès le lendemain de son annonce, et les services API sont offerts via la plateforme ouverte — l'intervalle entre annonce et disponibilité utilisateur est très court. Ce rythme de « disponibilité dès l'annonce » montre que la validation d'ingénierie était déjà largement faite avant le lancement, et traduit la volonté d'iFLYTEK de convertir rapidement les capacités du modèle en amélioration perceptible par les utilisateurs, en s'appuyant sur sa matrice de terminaux couvrant clavier, carnet de bureau et lunettes IA.
Dans ce processus, l'augmentation de 10 % du coût d'inférence offre à l'industrie une référence concrète pour observer si la « montée en qualité des modèles vocaux s'accompagne d'une envolée des coûts ». Depuis deux ans, l'itération des grands modèles de langage s'accompagne souvent d'un cycle où le prix du token monte puis redescend ; la reconnaissance vocale, capacité de base à très haute fréquence d'appel et sensible à la latence, a une élasticité de coûts encore plus sensible. En publiant la combinaison « nette amélioration + 10 % de coûts », iFLYTEK adresse en réalité au marché une posture tarifaire : l'upgrade intelligente de la reconnaissance vocale n'exige pas nécessairement le prix d'une dérive des coûts. Pour les acheteurs dépendant de capacités vocales — centres d'appels, transcription de réunions, fabricants d'objets intelligents —, cela signifie changer de génération de modèle presque sans réestimer le budget.
Pour les acheteurs de puissance de calcul IA, ce lancement comporte aussi des considérations d'achat concrètes. D'abord, les charges d'inférence de reconnaissance vocale n'ont pas le même profil de besoin GPU/cartes d'inférence que l'entraînement de grands modèles de langage : elles privilégient la forte concurrence d'appels, la basse latence et le coût unitaire d'inférence — lors de l'achat de calcul, évaluer d'abord le débit d'inférence et le coût réel par millier d'appels, non la seule puissance de crête. Ensuite, avec le lancement des API de la plateforme ouverte iFLYTEK, une partie des entreprises choisira le mode hybride « appels API + inférence en propre » ; il faut alors évaluer si le calcul auto-hébergé peut amortir les coûts à l'échelle, et l'incrément de 10 % est justement une entrée importante pour calculer le point de bascule entre auto-hébergement et achat externe. Enfin, des capacités comme l'injection dynamique de contexte signifient que la longueur de contexte des charges d'inférence peut varier dynamiquement : prévoir une marge d'élasticité dans la configuration de calcul pour éviter les files d'attente et les latences lors des pics de réunions.
Côté cotations, ce modèle Spark-ASR-2.0 ne comporte actuellement aucune donnée de cotation à la vente. Pour les acheteurs souhaitant suivre l'évolution de sa tarification API et des ressources de calcul associées, il est recommandé de suivre les mises à jour de prix de la plateforme ouverte iFLYTEK et les mises en vente des charges d'inférence vocale sur les grandes plateformes d'échange de calcul, et d'attendre la formation des données de cotation pour toute comparaison transversale et décision d'achat.
En somme, la valeur de Spark-ASR-2.0 ne tient pas seulement à la qualité de reconnaissance elle-même : le modèle démontre une voie d'itération des grands modèles vocaux « montée en qualité, retenue des coûts, déploiement rapide ». De l'annonce du 23 septembre et l'entrée dans le clavier iFLYTEK le 24, à l'ouverture simultanée des API, jusqu'au déploiement en gamme couvrant iFLYTEK Tingjian, le carnet de bureau intelligent et les lunettes IA, iFLYTEK pousse la reconnaissance vocale d'une compétition de capacité isolée vers une compétition de système « modèle + terminaux + coûts de plateforme ». Le chiffre de 10 % pourrait bien devenir, pour un temps, la référence de comparaison sur les scènes des lancements concurrents de la filière vocale.
Q: De combien le coût d'inférence de Spark-ASR-2.0 augmente-t-il par rapport au modèle précédent ?
A: Par rapport à la génération précédente, le coût d'inférence de Spark-ASR-2.0 n'augmente que de 10 %, les performances de reconnaissance étant nettement améliorées à coût quasi constant.
Q: Quand Spark-ASR-2.0 sera-t-il en ligne et par quels canaux sera-t-il offert ?
A: Le modèle a été annoncé le 23 septembre ; il sera progressivement intégré au clavier iFLYTEK à partir du 24 septembre et offert en API via la plateforme ouverte iFLYTEK, avant d'être appliqué aux lunettes IA iFLYTEK, au carnet de bureau intelligent, à iFLYTEK Tingjian et à d'autres produits.
Mots-clés: iFlytek · Spark-ASR-2.0 · Speech Recognition · LLM · Inference Cost
萬安算交所 AIXX · AIXX · Bourse compute vérifiée · Accéder à la salle