iFLYTEK détaille son modèle fondation vocal SparkAudio 1.0 et lance la plateforme Robot Super Brain 3.0

iFLYTEK a profité de son Global 1024 Developer Festival 2026 pour détailler une trajectoire qui va de l'interaction vocale à l'interaction multimodale, puis à l'interaction multimodale incarnée pour les robots. Deux produits portent ce plan : le modèle de fondation vocal SparkAudio 1.0 et la Robot Super Brain Platform 3.0, d'après Sina Tech, IT Home et la retranscription de la keynote du président Liu Qingfeng. SparkAudio 1.0 réunit traduction automatique, reconnaissance vocale et compréhension sémantique dans un seul modèle de base, afin que ces tâches s'enrichissent mutuellement. Il gère aussi la séparation de locuteurs en temps réel, la compréhension des sons d'environnement et la reconnaissance des émotions. Le rapport technique décrit un encodeur audio dense de 0,65 milliard de paramètres associé à un modèle de langage à mélange d'experts 30B-A3B, entraîné sur 13 millions d'heures d'audio. Le modèle couvre 99 langues et 202 dialectes, et a été entraîné sur des accélérateurs chinois (Huawei Ascend 910B, Hygon BW1000). Liu Qingfeng revendique trois gains : un décodeur audio semi-supervisé qui améliore la précision de 20 %, une modélisation de bout en bout segmentée dynamiquement qui réduit le temps de réponse de 15 %, et un décodage collaboratif à double paradigme qui abaisse le coût de 60 %. SparkAudio 1.0 est déjà intégré à iFLYTEK Input Method 16.0, iFLYTEK Hearing, aux carnets intelligents et aux traducteurs de la marque. L'entreprise a aussi présenté une bague d'enregistrement IA, fixée magnétiquement au dos d'un téléphone, qui transcrirait deux heures d'audio en deux minutes.

Côté robotique, iFLYTEK introduit une technologie d'interaction multimodale incarnée baptisée Spark, qui vise la réduction dynamique du bruit dans les espaces complexes, l'identification de la personne qui s'adresse au robot parmi plusieurs, la planification conjointe de la parole et du geste (saluer de la main en disant au revoir) et l'initiation de conversations lorsque la caméra repère un élément pertinent. La Robot Super Brain Platform 3.0 assemble ces briques : une carte « super brain » Spark, un module d'interaction multimodale et un kit de développement d'IA incarnée, complétés par un « harness » logiciel qui coordonne terminal et cloud, tâches de premier plan et d'arrière-plan. Le robot peut ainsi poursuivre la conversation pendant qu'il exécute des travaux en tâche de fond. La plateforme est configurable par modules selon les secteurs. La démonstration publique s'est faite dans un magasin sans personnel, ouvert 24 heures sur 24 et tenu par des robots.

Pour les intégrateurs, l'intérêt tient moins au modèle de langue qu'à la brique d'interface. La voix en environnement bruyant, l'attribution de la parole à la bonne personne et la synchronisation geste-parole sont des points de friction récurrents dans les déploiements de robots de service, et iFLYTEK les propose sous forme de carte et de kit prêts à intégrer, plutôt que comme un simple service cloud. Le positionnement est celui d'un fournisseur de couche d'interaction pour des fabricants de robots tiers, pas d'un constructeur d'humanoïdes. Il faut toutefois lire les chiffres avec prudence : les gains de 20 %, 15 % et 60 % sont déclarés par l'entreprise, sans référentiel de comparaison précisé, et le rapport reconnaît lui-même que le suivi d'instructions et le raisonnement audio complexe restent à améliorer. La démonstration du magasin autonome ne dit rien du taux de réussite, de la supervision humaine ni du volume de transactions. Le produit est annoncé et présenté, mais aucun déploiement client de la plateforme robotique n'est chiffré.

Ce lancement s'inscrit dans la stratégie d'iFLYTEK, historiquement spécialiste de la reconnaissance vocale en Chine, qui multiplie les versions de sa famille Spark, comme Spark X2.6 et Spark-ASR-2.0. L'entraînement sur puces domestiques répond aussi à la contrainte d'approvisionnement en accélérateurs étrangers et sert d'argument de souveraineté technologique. Sur le terrain de l'IA incarnée, l'entreprise ne rivalise pas directement avec Figure, Tesla ou Unitree sur le matériel, mais avec les fournisseurs de « cerveaux » et de piles logicielles, côté chinois comme occidental, ainsi qu'avec les équipes qui greffent un LLM vocal sur leurs propres robots. La suite dépendra de l'adoption par des fabricants partenaires et de la publication de références clients, que l'annonce ne détaille pas.