Le 24 octobre 2026, SparkAudio 1.0, le modèle vocal de base de la gamme Spark d'iFlytek, a été mis en ligne selon le calendrier annoncé lors du festival des développeurs 1024 du 22 octobre, avec des mises à jour déployées vers les tablettes iFlytek AINOTE X5 et Air3, et un modèle entraîné entièrement sur des ressources de calcul nationales. Le changement le plus important de cette version n'est pas d'entendre plus clairement, mais de commencer à distinguer qui parle.
Le changement porte sur l'attribution, pas sur l'audibilité
La transcription de réunion résolvait jusqu'ici deux problèmes : conserver l'audio, puis le convertir en texte. La nouvelle séparation des locuteurs en temps réel de SparkAudio 1.0 va un cran plus loin : pendant la transcription, les voix sont d'abord séparées par personne, étiquetées Locuteur 1 et Locuteur 2, et une fois un nom saisi, l'empreinte vocale de cette personne est mémorisée, de sorte que la prochaine fois qu'elle parle en réunion, le compte rendu affiche son nom au lieu d'un numéro. L'ordre est également inversé : il n'est plus nécessaire de convoquer chaque participant avant la réunion pour enregistrer sa voix. Le système reconnaît les personnes au fil de la réunion et les noms peuvent être ajoutés après coup, si bien que les places ajoutées à la dernière minute et les arrivées tardives ont bien moins de chances d'être manquées.
Deux problèmes difficiles : les chevauchements et la terminologie
Les vraies réunions se déroulent rarement à tour de rôle. Deux personnes qui parlent en même temps, ou quelqu'un qui intervient avant que l'autre ait fini, c'est la norme. La transcription ordinaire a tendance à fondre ces passages en un seul flux, ou à supprimer purement les secondes de chevauchement. La séparation par locuteur procède à l'inverse : déterminer d'abord combien il y a de voix et à qui elles appartiennent, puis attribuer chaque phrase à la bonne personne, de sorte qu'il soit clair qui a commencé, qui a enchaîné et quelle demi-phrase était une interruption. L'autre problème difficile est le mélange des langues : chinois et anglais entremêlés, termes techniques prononcés tels quels, où un seul caractère erroné peut changer le sens. L'approche d'iFlytek permet de corriger les termes à la main avant la réunion et de les importer par lots ; les formulations corrigées sont conservées et réutilisées comme contexte la fois suivante, car bien reconnaître les mots est la condition pour bien reconnaître les personnes.
Qui en bénéficie en premier
Les premiers bénéficiaires sont les réunions dont les comptes rendus doivent être utilisables dès la fin de la réunion : réunions formelles, comités de relecture et discussions où il faudra plus tard retrouver qui a proposé tel plan. Comme l'attribution est jointe au moment où le compte rendu est créé, la vérification ligne par ligne après la réunion n'est plus nécessaire. La limite doit toutefois être énoncée clairement : les informations publiques disponibles à ce jour proviennent principalement de la présentation du festival et de la démonstration, et les vraies salles de réunion diffèrent par le bruit, les accents et l'intensité des chevauchements, de sorte que les résultats réels devront être jugés après la mise à jour. Pour les utilisateurs, le test est simple : après la prochaine réunion, ouvrir le compte rendu et vérifier d'abord si les secondes de chevauchement ont été attribuées aux bonnes personnes.
