Компания «Сбер» официально представила и открыла доступ к своим новым разработкам в области речевых технологий — моделям GigaChat3.1-Audio-10B и GigaAM Multilingual. Новые нейросетевые решения ориентированы на работу с русским языком и языками стран СНГ. По данным разработчиков, представленные алгоритмы демонстрируют превосходство над мировыми аналогами в точности обработки аудиосигнала, предлагая расширенные возможности для бизнеса и частных пользователей в рамках экосистемы искусственного интеллекта.
Особенности и функционал GigaChat3.1-Audio-10B
Модель GigaChat3.1-Audio-10B представляет собой продвинутую систему, способную не просто конвертировать речь в текст, но и анализировать контекстуальные нюансы звукового потока. Важной характеристикой данной версии является объем параметров в 10 миллиардов, что позволяет достигать высокой точности обработки данных. Ключевые возможности модели включают:
- Точное распознавание эмоциональной окраски речи говорящего;
- Автоматическая расстановка таймкодов для удобной навигации по записи;
- Работа с многоязычным контекстом в рамках одного аудиопотока;
- Высокая скорость обработки длинных аудиофайлов.
Сферы применения GigaAM Multilingual
Вторая представленная модель, GigaAM Multilingual, разработана как универсальный фундамент для автоматизации процессов, связанных с аудиоаналитикой. GigaAM (Giga Acoustic Model) адаптирована под специфику произношения и лексики жителей постсоветского пространства. Основные сценарии использования технологии предполагают качественную оптимизацию корпоративных процессов:
- Автоматизация колл-центров: распознавание запросов клиентов в реальном времени и интеграция с голосовыми помощниками;
- Расшифровка встреч: создание протоколов совещаний и автоматическое выделение тезисов;
- Генерация субтитров: создание текстового сопровождения для видеоконтента на нескольких языках.
Эти решения созданы для русского языка и языков СНГ, опережая мировые аналоги по качеству распознавания.
Появление GigaChat3.1-Audio-10B и GigaAM Multilingual знаменует собой важный этап в развитии отечественных LLM-технологий (Large Language Models) с поддержкой мультимодальности. Интеграция данных моделей в коммерческие продукты может существенно снизить затраты компаний на рутинные операции по обработке аудиоконтента и повысить качество взаимодействия с клиентами. В условиях растущего спроса на импортонезависимые ИТ-решения, разработки «Сбера» укрепляют позиции российского ИИ-сектора на международной арене.