«Сбер» представил обновленную нейросеть GigaChat Audio — большую языковую 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. Об этом сообщила пресс-служба «Сбера».

Что умеет GigaChat Audio:

• распознавать, с позитивной или негативной эмоцией обращается к нейросети пользователь — по интонации, характеристикам голоса и нюансам произношения;
• 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;
• различать в записи спикеров;
• запоминать важные для пользователя факты из голосового диалога и опираться на них в следующих сессиях;
• при повторном обращении пользователя учитывать ранее озвученные пожелания.

Новая модель GigaChat Audio доступна в ИИ-помощнике «ГигаЧат» для всех пользователей, в Open Source — для разработчиков.

Ранее «Сбер» представил GigaChat 3.5 Ultra. Модель лучше пишет код, решает агентные задачи и работает с длинными текстами.