⚡️ Я разобралась, зачем Сбер выложил в открытый доступ сразу две аудио-модели — и почем...
⚡️ Я разобралась, зачем Сбер выложил в открытый доступ сразу две аудио-модели — и почему одна из них обходит Whisper от OpenAI. В середине июля Сбер показал GigaChat Audio — модель, которая слушает голос напрямую, без промежуточной транскрибации в текст. Она распознаёт эмоции в интонации с точностью 80% по внутренним тестам компании и обрабатывает записи длиной до трёх часов за один проход. В слепом сравнении Arena Hard Audio модель победила в 75% случаев. Рядом вышла GigaAM Multilingual — открытая модель распознавания речи, обученная на 2 млн часов аудио на 70+ языках с упором на страны СНГ (русский, казахский, киргизский, узбекский). По данным Сбера, её компактная версия на 240 млн параметров точнее Whisper Large v3 — а это модель, которую весь мир годами использует как эталон для распознавания речи. ⚖️ А что у остального мира У GPT-4o голос умеет звучать эмоционально и «слышит» тон и фоновый шум, но отдельного показателя точности распознавания эмоций OpenAI не публикует. Gemini 2.5 обрабатывает аудио дешевле — $1 за миллион токенов, и теоретически может «проглотить» запись на несколько часов благодаря огромному контексту, но сам Google советует резать ролики длиннее часа на куски — иначе страдает качество. Здесь Сбер выигрывает предметно: GigaChat Audio с самого начала заточен под длинные разговоры целиком и умеет их эмоционально размечать. А вот что проигрывает — прозрачность цены: у Gemini тариф на аудио известен заранее, у GigaChat Audio коммерческую цену за API компания пока не публикует. 🛠 Кому пригодится Колл-центрам — для анализа тона клиента прямо в разговоре без задержки на транскрибацию. HR и продажам — для разбора созвонов на СНГ-языках, которые Whisper распознаёт хуже. Модели лежат на Hugging Face и GitHub под лицензией MIT — можно ставить локально уже сейчас. 💡 Итог: в распознавании речи на языках СНГ и в анализе эмоций голоса Сбер обошёл открытый мировой эталон — редкий случай, когда наше решение объективно точнее, а не просто «не хуже». А вот с прозрачностью цены есть куда расти. habr.com/ru/companies/bothub/news/1059032/ Нужен виртуальный сотрудник, бот или сайт → https://aleksandrmyasoed.ru/?utm_source=max&utm_medium=post