В ИИ-помощнике ГигаЧат появилась обновленная аудиомодель GigaChat Audio, сообщила пресс-служба Сбера. Она работает с аудиофайлами и голосовыми сообщениями без предварительного перевода речи в текст, распознает интонацию пользователя и поддерживает длинные записи.
Сбер также открыл доступ к облегченной версии GigaChat3.1-Audio-10B. По данным компании, модель понимает русский, английский и другие языки.
GigaChat Audio обрабатывает записи длиной до трех часов. Нейросеть также может разбирать совещания и звонки и составлять навигацию по записям.
Обновленная модель распознает позитивную и негативную эмоцию по интонации, характеристикам голоса и особенностям произношения. ГигаЧат учитывает эмоциональную окраску голосового запроса и подбирает тон ответа: мягче реагирует на раздражение или поддерживает пользователя, который делится хорошей новостью.
На базе GigaChat3.1-Audio-10B можно создавать сервисы транскрибации и голосовые инструменты. В их числе решения для оценки качества озвучки, голосовые переводчики и сервисы пересказа длинных записей.
По данным внутренних тестов Сбера, GigaChat Audio набрала 75% побед в Arena Hard Audio — тесте, где нейросети вслепую сравнивают ответы разных моделей на одинаковые голосовые вопросы. Точность распознавания эмоций компания оценивает в 80%.
Источник: https://rb.ru/news/sber-vnedril-v-gigachat-model-gigachat-audio-teper-nejroset-kachestvennee-rabotaet-s-audio-i-ponimaet-intonacii/
