iFlytek навчає мовленнєву модель на вітчизняних чипах
22 жовтня 2026 року команда iFlytek Spark Audio виклала технічний звіт Spark-Audio 1.0, базової мовленнєвої моделі, що поєднує аудіокодувальник на 0,65 мільярда параметрів із мовною моделлю 30B-A3B на суміші експертів. За звітом, її навчено на 13 мільйонах годин аудіо на прискорювачах Huawei Ascend 910B і Hygon BW1000 від передтренування кодувальника до післянавчання, і вона підтримує 99 мов та 202 діалекти.
Чому це важливо
Компанія повідомляє, що конкурентну мовленнєву модель можна навчити від початку до кінця на прискорювачах китайського виробництва, а не на імпортних графічних процесорах, які мають такі моделі здебільшого. Це твердження авторів, і воно спирається на їхні тести, зокрема внутрішні набори; звіт порівнює себе з Qwen3.5-Omni-Flash і каже, що використав приблизно десяту частину аудіо цієї моделі.
Що каже звіт. Модель приймає текст і мовлення й видає текст. Вона призначена для розпізнавання мовлення, перекладу мовлення, розуміння аудіо та діалогу мовленням або текстом. Аудіокодувальник попередньо навчають за допомогою BEST-RQ із посиленими представленнями й уточнюють багатозадачним навчанням із вчителем; аудіо-LLM навчають поетапно, а потім донавчають контрольованим навчанням і дистиляцією за політикою. Автори стверджують «порівнянну продуктивність» із Qwen3.5-Omni-Flash на більшості завдань з аудіо й тексту, кращі багатомовне розпізнавання, розмовний діалог і прикладні сценарії та продуктивність, що «наближається» до більших закритих моделей; слабшими називають виконання інструкцій і складні міркування над аудіо. В анотації та вступі сказано, що навчання йшло на чипах Huawei Ascend 910B і Hygon BW1000 «від передтренування аудіокодувальника через передтренування аудіо-LLM до післянавчання». Чого запис не стверджує. У тексті не оголошено ні ваг, ні коду, ні ліцензії; він вказує на демонстраційну сторінку iFlytek. У звіті немає ні кількості чипів, ні тривалості навчання, ні вартості, тож читач не може зважити, наскільки вітчизняне обладнання обмежило роботу. Порівняння — власні автори. Прочитано першу версію препринта (v1, 22 жовтня 2026 року, 13:55 UTC); на першій сторінці PDF стоїть дата 23 жовтня.