«Сбер» выпустил обновлённую модель GigaChat Audio для обработки голосовых сообщений и аудиофайлов. Она работает со звуком напрямую, без предварительного перевода речи в текст, и определяет по интонации, голосу и произношению, позитивно или негативно настроен пользователь.
Нейросеть способна разбирать записи длиной до трёх часов и различать в них собеседников. Её можно попросить найти момент, когда обсуждалась конкретная тема, пересказать отдельный отрезок или подготовить краткое содержание всей беседы со ссылками на таймкоды.
ИИ-помощник также научился запоминать факты из голосовых диалогов и учитывать их при следующих обращениях. Например, при составлении маршрута путешествия «ГигаЧат» сможет опереться на ранее озвученные интересы. Сохранённые сведения разрешается просматривать, редактировать или полностью отключать в настройках.
По внутренним тестам «Сбера», точность распознавания эмоций достигает 80%. В Arena Hard Audio модель одержала 75% побед — почти на уровне Gemini-3-Flash-preview с 77,5% и выше Gemini-2.5-Pro с 62%. GigaChat Audio уже доступна внутри «ГигаЧата» и опубликована в открытом доступе для разработчиков.
Читайте ещё материалы по теме:
- ИИ для больших задач: «Сбер» выпустил новую флагманскую GigaChat 3.5 Ultra
- Текст как изображение: стажёр «Сбера» выпустил ИИ, который быстрее GigaChat
- ChatGPT в России отключают: эксперты советуют переходить на отечественный ИИ