중국 AI 기업 iFLYTEK가 2026 Global 1024 Developer Festival에서 음성 상호작용, 멀티모달 상호작용, 로봇의 체화(embodied) 멀티모달 상호작용으로 이어지는 로드맵을 제시했다. 축이 되는 발표는 둘이다. 음성 파운데이션 모델 SparkAudio 1.0과 Robot Super Brain Platform 3.0이다. 내용은 Sina Tech, IT Home, 류칭펑(Liu Qingfeng) 회장 기조연설 녹취록 보도를 따랐다.
발표 두 건의 역할
▼ 두 발표 비교 (출처: iFLYTEK 발표 보도)
| 항목 | SparkAudio 1.0 | Robot Super Brain Platform 3.0 |
|---|---|---|
| 성격 | 음성 파운데이션 모델 | 로봇용 하드웨어·소프트웨어 패키지 |
| 핵심 | 번역·인식·의미 이해 통합 | 소리·카메라 기반 상호작용 |
| 상태 | 기존 제품에 적용 중 | 매장 시연 |
SparkAudio 1.0: 하나의 모델에 세 가지 작업
SparkAudio 1.0은 기계번역, 음성인식, 의미 이해를 하나의 기반 모델에 넣었다. 작업끼리 서로 학습할 수 있다는 설명이다. 동시통역과 음성 상호작용 외에 실시간 화자 분리, 환경음 이해, 오디오 이해, 감정 인식도 다룬다고 회사는 밝혔다. 소음이 심한 거리에서 경적, 상인 목소리, 타이어 소음을 구분하고 겹친 목소리를 나누며 소리로 주변 상황을 추론한다는 예시를 들었다.
기술 보고서에 따르면 구조는 0.65B(6억 5천만) 파라미터 밀집 오디오 인코더와 30B-A3B 전문가 혼합(MoE) 언어 모델의 조합이다. 학습에는 1,300만 시간 분량의 오디오와 대규모 텍스트 코퍼스가 쓰였다. 99개 언어와 202개 방언의 음성인식을 지원한다. 화웨이 Ascend 910B, Hygon BW1000 등 중국산 가속기로 학습했다.
류 회장은 기술 변화 세 가지를 꼽았다.
- 준지도 오디오 디코더: 정확도 20% 향상
- 동적 분할 엔드투엔드 모델링: 응답 시간 15% 단축
- 이중 패러다임 협업 디코딩: 비용 60% 절감
이 수치는 모두 iFLYTEK 자체 발표다. 보고서는 지시 수행과 복잡한 오디오 추론은 더 개선해야 한다고 인정했다.
SparkAudio 1.0은 이미 iFLYTEK Input Method 16.0, iFLYTEK Hearing, 스마트 노트, 번역기에 적용돼 있다. 행사에서는 휴대폰 뒷면에 자석으로 붙이는 AI 녹음 링도 공개했다. 2시간 분량 오디오를 2분 만에 받아 적는다고 한다.
Robot Super Brain Platform 3.0: 로봇 쪽 패키지
로봇용으로는 Spark 체화 멀티모달 상호작용 기술을 내놨다. 목표 기능은 네 가지다.
- 복잡한 공간에서 동적 소음 제거
- 여러 사람 중 로봇에게 말하는 사람 식별
- 인사하며 손을 흔드는 것처럼 발화와 동작을 함께 계획
- 카메라가 관련 대상을 포착하면 먼저 대화 시작
플랫폼 3.0은 이 기술을 묶은 제품이다. 하드웨어에는 Spark super brain 보드, 멀티모달 상호작용 모듈, 체화 AI 개발 키트가 들어간다. 소프트웨어 쪽에서는 체화 멀티모달 상호작용 하네스가 기기와 클라우드, 프런트엔드와 백엔드 작업을 조율한다. 로봇이 대화를 이어가면서 뒤에서 작업을 수행할 수 있다. 산업별 모듈형 맞춤 구성도 지원한다. 행사에서는 직원 없이 24시간 로봇이 운영하는 무인 매장에서 시연했다.
공개된 것과 계획
음성 모델은 이미 제품에 들어가 있고 기술 보고서와 수치가 나왔다. 로봇 플랫폼은 구성 요소와 목표 기능이 공개됐고, 현장 사례로는 무인 매장 시연이 제시됐다. 국내에서 음성 AI와 로봇 플랫폼을 함께 보는 독자라면 두 발표를 따로 읽는 편이 정확하다. 전자는 음성 모델 자체의 성능과 적용 제품, 후자는 그 능력을 로봇에 얹으려는 개발 플랫폼이다.
