Возможности GigaChat Audio: анализ эмоций и работа с речью

Что именно добавили

GigaChat Audio обрабатывает аудио без промежуточного преобразования речи в текст. Список новых возможностей:

— считывание эмоции по интонации, характеристикам голоса и нюансам произношения: модель мягче отвечает раздражённому и подстраивается под хорошие новости;

— навигация внутри записей до трёх часов: можно уточнить, «в какой момент обсуждали конкретный вопрос», попросить пересказ отрезка или суммаризацию всей записи со ссылками на таймкоды;

— различение спикеров в записи — протоколы совещаний, звонки, интервью;

— память на важные факты из голосового диалога: ассистент учитывает их в следующих сессиях, причём зафиксированное всегда можно посмотреть, отредактировать или отключить в настройках профиля.

Цифры и открытый релиз

Точность распознавания эмоций у GigaChat Audio — 80% по внутренним замерам. Для сравнения: Qwen3-Omni-30B — 70%, Kimi-Audio — 62%. В Arena Hard Audio модель берёт 75% «слепых» побед, Gemini-3-Flash-preview — 77,5%, Gemini-2.5-Pro — 62%.

Параллельно Сбер выложил в открытый доступ две модели:

— GigaChat3.1-Audio-10B — облегчённая аудио-LLM на русском, английском и других языках. Подойдёт для транскрибации, тренажёров произношения, голосовых переводчиков с учётом контекста и пересказа длинных записей.

— GigaAM Multilingual — семейство моделей распознавания речи. Поддерживает русский, английский, киргизский, казахский и узбекский. Доступно в компактной версии под обычные процессоры и во флагманском варианте с повышенным качеством. По замерам, GigaAM допускает в 1,5–2 раза меньше ошибок, чем ближайшие конкуренты.

Что отслеживать

Первые открытые проекты на GigaChat3.1-Audio и GigaAM Multilingual — здесь будет видно, куда пойдёт волна: корпоративные колл-центры, синхронный перевод или образовательные сервисы. Дальше — реакция пользователей на «память на голос»: насколько быстро функция станет привычной и как часто её будут отключать. По динамике прошлых релизов Сбера пик поискового интереса вокруг «ГигаЧата» обычно держится несколько дней, затем запросы переходят в длинный хвост — обзоры, сравнения, гайды.