Сбер открывает разработчикам GigaChat Audio и GigaAM Multilingual — новые модели для работы с голосом

Ташкент, Узбекистан (UzDaily.uz) — Сбербанк опубликовал в открытом доступе облегчённую версию языковой модели GigaChat3.1-Audio-10B и семейство моделей автоматического распознавания речи GigaAM Multilingual. Последняя поддерживает пять языков, включая узбекский, казахский и киргизский.

GigaChat3.1-Audio-10B работает с аудиофайлами и голосовыми сообщениями напрямую, без промежуточного перевода речи в текст. Модель анализирует интонацию и определяет эмоциональную окраску реплики по характеристикам голоса. Она обрабатывает записи продолжительностью до трёх часов: находит фрагмент, где обсуждался нужный вопрос, пересказывает отдельные отрезки, составляет резюме с привязкой к таймкодам и различает спикеров. Разработчики могут применять модель для протоколирования совещаний, разбора звонков и навигации по длинным записям.

GigaAM Multilingual стала первой российской открытой моделью распознавания речи, работающей с несколькими языками. Помимо русского и английского, она распознаёт узбекскую, казахскую и киргизскую речь. По данным Сбербанка, модель допускает в 1,5–2 раза меньше ошибок, чем ближайшие открытые аналоги, и показывает лучший результат среди открытых решений по качеству распознавания русского языка. Она выпущена в двух версиях: компактной, работающей на обычных процессорах, и флагманской — с более высоким качеством распознавания.

Обе модели прошли предобучение на большом числе языков, что позволяет дообучать их под дополнительные — в том числе языки стран СНГ. Для этого, по оценке разработчиков, достаточно нескольких десятков часов размеченных аудиозаписей.

«Голос — самый естественный способ общения с технологией, но и самый требовательный: любая ошибка в распознавании или неверно считанная эмоция сразу разрушает доверие к ассистенту. Поэтому мы считаем аудио точкой роста для рынка ИИ-помощников», — отметил Антон Фролов, старший вице-президент Сбербанка, руководитель блока «Развитие генеративного ИИ».

На базе новых моделей можно создавать сервисы транскрибации и пересказа длинных записей, тренажёры произношения, инструменты оценки качества озвучки и голосовые переводчики с пониманием контекста. GigaAM Multilingual рассчитана на применение в кол-центрах, голосовых ассистентах, системах расшифровки встреч и подкастов, а также для голосового ввода и автосубтитров.

Научные статьи о моделях приняты на международную конференцию по речевым технологиям Interspeech 2026. Обновлённая GigaChat Audio уже используется внутри ИИ-помощника ГигаЧат.

ПАО Сбербанк — один из крупнейших банков в России и один из ведущих глобальных финансовых институтов. На долю Сбербанка приходится около трети активов всего российского банковского сектора. Сбербанк является ключевым кредитором для национальной экономики и занимает одну из крупнейших долей на рынке вкладов. Основным акционером ПАО Сбербанк является Российская Федерация в лице Министерства финансов Российской Федерации, владеющая 50% уставного капитала ПАО Сбербанк плюс 1 голосующая акция. Оставшимися 50% минус 1 голосующая акция от уставного капитала банка владеют российские и международные инвесторы. Генеральная лицензия Банка России на осуществление банковских операций № 1481 от 11.08.2015. Официальные сайты банка: www.sberbank.com (сайт Группы Сбербанк), www.sberbank.ru.