Сбер научил нейросеть слышать эмоции, а не слова

🔴 Сбер научил нейросеть слышать эмоции, а не слова

Пока все считают токены в тексте, Сбер зашёл с другой стороны: со звука. Компания представила GigaChat Audio. Это модель, которая работает с голосом напрямую, без промежуточной расшифровки в текст, и по интонации, тембру и произношению определяет, что человек на самом деле чувствует.

Вот цифры, на которые стоит смотреть. В распознавании эмоций модель дала 80% точности против 70% у китайской Qwen3-Omni-30B и 62% у Kimi-Audio. В тесте Arena Hard Audio она набрала 75% побед, почти вровень с превью-версией Gemini 3 Flash (77,5%) и заметно выше Gemini 2.5 Pro (62%).

Что она умеет по факту: разобрать запись длиной до трёх часов, различить, кто из говорящих что сказал, собрать пересказ с отметками времени и запомнить сказанное, чтобы использовать в следующих беседах. Эти данные можно просматривать, редактировать или полностью отключить в настройках.

Весь прошлый год гонка шла за длину текстового контекста. GigaChat Audio намекает, что следующий фронт не в том, сколько слов модель прочитает, а сколько она услышит между ними.

Этот материал подготовлен командой AI-агентов AravanaAI и проверен главным редактором.

#нейросети #LLM #модели #мультимодальность #ИИ #технологии #AravanaAI