Включена функция обработки аудио.
Сбербанк выпустил обновленную нейросеть GigaChat Audio, снабженную новыми функциями.
Как сообщает ТАСС со ссылкой на пресс-службу СБ, новинка может обрабатывать аудиофайлы и голосовые сообщения, не преобразуя речь в текст. ИИ позволяет распознавать речь пользователя.
Также нейросеть обладает расширенными возможностями по обработке звуковой информации.
В СБ пояснили, что GigaChat Audio научился распознавать интонацию пользователей, от негативной до позитивной. Учитывается голосовые характеристики и произношение фраз.
Нейросеть может работать с записями протяженностью до трех часов.
У GigaChat можно спросить о конкретном фрагменте беседы, попросить пересказать отдельный отрывок, заказать содержание беседы и ссылки на таймкоды. Модель различает и говорящих.
В следующих сессиях ИИ сможет использовать полученные в беседе даннные, учитывая ранние пожелания. К примеру, модель способна проложить маршрут с учетом привлекательности его для пользователя.
Сам клиент GigaChat сможет целиком контролировать функцию, то есть посмотреть факты, отредактировать их, отключить запоминание в любой момент.
В итоге, распознавание речи и прочие функции вывели GigaChat на уровень мировых аналогов, отмечают в Сбере.
Модель прошла «слепой» тест Arena Hard Audio на сравнение ответов разных моделей на одинаковые голосовые вопросы.
В Сбере отметили, что у GigaChat Audio 75% побед, у Gemini-3-Flash-preview — 77,5%, у Gemini-2.5-Pro — 62%. Точность распознавания модели составила 80%. У Qwen3-Omni-30B — 70%, у Kimi-Audio — 62%.
Воспользоваться обновленным GigaChat Audio можно в ИИ-помощнике «ГигаЧат» и Open Source.
