ИИ-помощник ГигаЧат теперь распознает эмоции и находит нужные моменты в длинных аудио
14.07.2026
Пользователям ИИ-помощника ГигаЧат стала доступна обновлённая нейросеть GigaChat Audio – большая языковая модель, которая способна обрабатывать аудиофайлы и голосовые сообщения без предварительного преобразования речи в текст. Искусственный интеллект научился понимать интонацию пользователя и получил расширенные возможности по обработке звуковой информации.
«Голос — самый естественный способ общения с технологией, но и самый требовательный: любая ошибка в распознавании или неверно считанная эмоция сразу разрушает доверие к ассистенту. Поэтому мы считаем аудио точкой роста для рынка ИИ-помощников. Запуская эти модели в открытый доступ, мы даём мощный инструмент разработчикам и учёным. От синхронного голосового перевода до сервисов для людей с нарушениями речи — спектр применений у голосовых технологий очень широкий. А мультиязычность и возможность легкого обучения другим языкам открывает для них и международные перспективы».
Антон Фролов, старший вице-президент, руководитель блока «Развитие генеративного ИИ» Сбербанка
Теперь ГигаЧат распознает, с позитивной или негативной эмоцией обращается к нему пользователь — по интонации, характеристикам голоса и нюансам произношения. Это позволяет ему реагировать уместнее: например, мягче отвечать раздражённому пользователю или поддержать настроение, если человек делится хорошей новостью.
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. Эти возможности будут полезны для разбора совещаний и звонков, навигации по записям, протоколирования.
ИИ-помощник теперь сможет запомнить важные факты для пользователя прямо из голосового диалога и опираться на них в следующих сессиях. При повторном обращении ГигаЧат будет учитывать ранее озвученные пожелания, например, составляет маршрут путешествия с учётом интересов пользователя. Пользователь полностью контролирует функцию: зафиксированные факты можно посмотреть, отредактировать или отключить память в настройках профиля в любой момент.
Помимо интеграции в ИИ-помощник, команда выложила в открытый доступ облегчённую версию GigaChat3.1-Audio-10B. Нейросеть распознаёт русский, английский и другие языки. На основе модели можно создавать сервисы транскрибации, тренажёры произношения, инструменты для оценки качества озвучки, голосовые переводчики с пониманием контекста и сервисы пересказа длинных записей.
Сбер также выложил в открытый доступ GigaAM Multilingual – семейство моделей автоматического распознавания речи. Это первая российская открытая модель, работающая с несколькими языками, и лучшее из открытых решений по качеству распознавания речи на русском.
Обе модели прошли предварительное обучение на большом числе языков, поэтому их можно быстро дообучить под дополнительные, в том числе языки стран СНГ.
