讯飞星火大模型 API

iFlytek Spark API とは

iFlytek Spark（Xinghuo とも呼ばれる）は Xunfei Open Platform 上の iFlytek 大規模モデル API であり、中国語と音声の強みにテキストとマルチモーダルのモデル呼び出しを組み合わせている。

ファーストパーティの中国拠点 LLM API である。魅力は音声認識と音声合成で長い実績を持つベンダーである点にあり、テキスト専用の API にはない音声の強みを備える。

姿勢は「あなたを理解する」であり、中国語と音声中心の AI を一か所で求める開発者を対象としている。

できること

アプリ ID と API キーを取得し、対話、知識、マルチモーダルのタスクに Spark モデルを呼び出す。iFlytek の音声認識と音声合成が差別化要因であり、中国語と音声中心の AI を求める開発者に向けた、キー取得、呼び出し、実装という流れである。

iFlytek は音声を先に築いたため、音声の経路は後付け以上のものであり、モデルに話しかけること自体がインターフェースになるアプリでは重要である。中国語の作業では、その言語におけるモデルの強さが選択理由になる。

マルチモーダルのタスクでも同じキーでテキストと他の入力を扱え、統合が単純に保たれる。

向いている人

中国語対応または音声優先のアプリケーションを構築する開発者と企業に向く。

モデルの隣に音声認識と音声合成を置きたいチームにも向く。

注意点

価格はシェルから読み取れなかったが、プラットフォームは一般に無料枠と有料ティアを用いているため、課金単位を確認し、従量課金であるぶん支出を監視する。無料枠は試作に適しているが、本番運用のコストは有料ティアに属する。

注意点として、ページにはプライバシー、セキュリティ、認証の記述がなく、データを送る前にポリシーを確認する必要がある。中国拠点で音声を扱うサービスとして、保存場所と同意も検討する。音声クリップは生体信号であり、発話の録音には通常のテキスト入力にない同意の義務が伴う。

実務上、音声データは性質上センシティブである。録音の保存方法と学習利用を確認し、法が求める同意を得る。音声が選択理由なら、利用者が実際に話す環境で認識を試す。環境が変わると精度は崩れ、誤解されるまで失敗は見えない。整ったサンプルではなく実際のクリップで検証すること。

Two practical points

課金単位とポリシーを確認し、音声データに注意すること。iFlytek Spark は中国拠点で音声に強い API であり、音声クリップは生体データであるため、保存場所と同意は取得前に判断へ入れるべきである。