GigaChat Audio от Сбера распознаёт эмоции по голосу и запоминает разговоры

Сбер представил обновлённую модель GigaChat Audio. Она умеет работать с аудиозаписями и голосовыми сообщениями напрямую. Нейросеть анализирует интонацию, тембр голоса и особенности произношения. Это позволяет определять эмоциональную окраску речи пользователя. Модель не требует предварительного преобразования речи в текст.

Возможности обработки аудио

GigaChat Audio поддерживает записи продолжительностью до трёх часов. Она может находить нужные фрагменты разговора. Также модель создаёт краткие пересказы с таймкодами. Она отвечает на вопросы по содержанию записи и различает нескольких спикеров. Это полезно для анализа совещаний, лекций и интервью.

Долговременная память

Ещё одной новой функцией стала долговременная память. GigaChat Audio способен запоминать факты, озвученные пользователем в голосовом диалоге. Он использует их в следующих беседах. Пользователь может просматривать, редактировать или полностью отключить сохранённую информацию в настройках. Это делает взаимодействие более персонализированным.

Результаты тестирования

По данным Сбера, во внутренних испытаниях новая модель показала результаты, сопоставимые с ведущими зарубежными решениями. В тесте Arena Hard Audio GigaChat Audio набрал 75% побед. Он приблизился к Gemini-3-Flash-preview (77,5%) и опередил Gemini 2.5 Pro (62%). Точность распознавания эмоций составила 80%. Это выше, чем у Qwen3-Omni-30B (70%) и Kimi-Audio (62%).

Обработка аудио до 3 часов;
Распознавание эмоций с точностью 80%;
Долговременная память для фактов;
Различение нескольких спикеров.

Новая модель GigaChat Audio демонстрирует серьёзный прогресс российских разработчиков в области ИИ. Она может найти применение в бизнесе, образовании и повседневной жизни. Особенно полезна функция анализа длинных записей и сохранения важной информации.