[nsfrolov]

МОСКВА, 14 июля. /ТАСС/. Сбербанк выпустил обновленную нейросеть GigaChat Audio, которая способна обрабатывать аудиофайлы и голосовые сообщения без предварительного преобразования речи в текст, научилась понимать интонацию пользователя и получила расширенные возможности по обработке звуковой информации. Об этом ТАСС сообщили в пресс-службе Сбера.

Отмечается, что GigaChat Audio теперь распознает, с позитивной или негативной эмоцией обращается к нему пользователь - по интонации, характеристикам голоса и нюансам произношения. Модель может обрабатывать записи длиной до трех часов и ориентироваться внутри них: можно спросить, в какой момент разговора обсуждали конкретный вопрос, попросить пересказать отдельный отрезок или получить саммари всей записи со ссылками на таймкоды. Нейросеть также способна различать в записи спикеров.

ИИ-помощник теперь сможет запомнить факты непосредственно из голосового диалога и опираться на них в следующих сессиях. При повторном обращении "ГигаЧат" будет учитывать ранее озвученные пожелания, например, составляет маршрут путешествия с учетом интересов пользователя. Пользователь полностью контролирует функцию: зафиксированные факты можно посмотреть, отредактировать или отключить память в настройках профиля в любой момент.

Как сообщили в Сбере, по результатам внутренних тестов, новая модель GigaChat Audio способна понимать и отвечать на голосовые запросы на уровне лучших мировых аналогов. Это подтверждает тест Arena Hard Audio, где другие нейросети вслепую сравнивают ответы разных моделей на одни и те же голосовые вопросы. GigaChat Audio набрала 75% побед - почти как у Gemini-3-Flash-preview (77,5%) и больше, чем у Gemini-2.5-Pro (62%). По замерам точности распознавания эмоций новой модели - модель Сбера достигает 80%. Это выше, чем у модели Qwen3-Omni-30B (70%) или Kimi-Audio (62%).

Новая модель GigaChat Audio доступна в ИИ-помощнике "ГигаЧат" и в Open Source для свободного использования разработчиками по всему миру.