Пользователям ИИ-помощника «ГигаЧат» стала доступна обновлённая нейросеть GigaChat Audio. Модель обрабатывает аудиофайлы и голосовые сообщения без предварительного преобразования речи в текст. Она научилась понимать интонацию и получила расширенные возможности работы со звуком. Старший вице-президент, руководитель блока «Развитие генеративного ИИ» Сбербанка Антон Фролов отметил, что голос — самый естественный способ общения с технологией, и запуск таких моделей в открытый доступ даёт мощный инструмент разработчикам и учёным.
Теперь «ГигаЧат» распознаёт эмоции пользователя по интонации, характеристикам голоса и нюансам произношения. Это позволяет ему реагировать уместнее: мягче отвечать раздражённому пользователю или поддержать настроение, если человек делится хорошей новостью. Модель может обрабатывать записи длиной до трёх 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 различает спикеров в записи. Это будет полезно для разбора совещаний и звонков, навигации по записям и протоколирования.
ИИ-помощник теперь запоминает важные факты из голосовых диалогов и опирается на них в следующих сессиях. При повторном обращении «ГигаЧат» будет учитывать ранее озвученные пожелания. Пользователь может посмотреть, отредактировать или отключить память в настройках профиля.
По результатам внутренних тестов, GigaChat Audio понимает и отвечает на голосовые запросы на уровне лучших мировых аналогов. В тесте Arena Hard Audio модель набрала 75 процентов побед — почти как у Gemini-3-Flash-preview (77,5 процента) и больше, чем у Gemini-2.5-Pro (62 процента). Точность распознавания эмоций достигает 80 процентов.
Помимо интеграции в ИИ-помощник, Сбер выложил в открытый доступ облегчённую версию GigaChat3.1-Audio-10B. Нейросеть распознаёт русский, английский и другие языки. На её основе можно создавать сервисы транскрибации, тренажёры произношения, голосовые переводчики и сервисы пересказа длинных записей. Также в открытый доступ выложили семейство моделей GigaAM Multilingual для автоматического распознавания речи. Это первая российская открытая модель, работающая с несколькими языками. По замерам, GigaAM допускает в 1,5–2 раза меньше ошибок, чем ближайшие конкуренты. Модель поддерживает русский, английский, киргизский, казахский и узбекский языки. Обе модели доступны на GitVerse и Hugging Face. Научные статьи о них приняты на одну из ведущих международных конференций по речевым технологиям Interspeech 2026.
