Sber ha lanzado un modelo GigaChat Audio actualizado para procesar mensajes de voz y archivos de audio. Funciona directamente con el sonido, sin una conversión previa de voz a texto, y determina, a partir de la entonación, la voz y la pronunciación, si el usuario tiene una actitud positiva o negativa.
La red neuronal es capaz de analizar grabaciones de hasta tres horas de duración y distinguir a los interlocutores en ellas. Se le puede pedir que encuentre el momento en que se discutió un tema específico, que resuma un segmento individual o que prepare un resumen de toda la conversación con enlaces a las marcas de tiempo.
El asistente de IA también ha aprendido a memorizar hechos de los diálogos de voz y a tenerlos en cuenta en futuras interacciones. Por ejemplo, al planificar una ruta de viaje, GigaChat podrá basarse en los intereses expresados anteriormente. La información guardada se puede ver, editar o desactivar por completo en la configuración.
Según las pruebas internas de Sber, la precisión del reconocimiento de emociones alcanza el 80%. En Arena Hard Audio, el modelo obtuvo el 75% de las victorias, casi al nivel de Gemini-3-Flash-preview con el 77,5% y por encima de Gemini-2.5-Pro con el 62%. GigaChat Audio ya está disponible dentro de GigaChat y se ha publicado en acceso abierto para desarrolladores.
Leer más sobre este tema:
- IA para grandes tareas: Sber lanza el nuevo GigaChat 3.5 Ultra insignia
- Texto como imagen: un pasante de Sber lanzó una IA que es más rápida que GigaChat
- ChatGPT se desactiva en Russia: los expertos aconsejan cambiar a la IA nacional