ТБ

Территория биометрии

IT и технологии · 16 июля 2026 г.

Открыть канал в MAX

☝🏻Сбер выложил в опенсорс две аудиомодели — GigaAM Multilingual и GigaChat Audio 🎙

☝🏻Сбер выложил в опенсорс две аудиомодели — GigaAM Multilingual и GigaChat Audio 🎙 Обе модели опубликованы на Hugging Face и GitHub под лицензией MIT. 🔻GigaAM Multilingual — первая российская открытая мультиязычная модель распознавания речи. Аудиоэнкодер предобучен на 2 млн часов речи на 70+ языках с фокусом на страны СНГ. Компактная версия на 240 млн параметров обгоняет Whisper Large v3 и Omnilingual 1B, а количество ошибок, по заявлению Сбера, в 1,5–2 раза ниже, чем у ближайших аналогов. 📊 Сейчас поддерживаются русский, английский, казахский, киргизский и узбекский языки. 🔻GigaChat Audio объединяет GigaAM Multilingual и GigaChat 3.1 и работает с аудио напрямую, без предварительной транскрибации — модель анализирует интонацию, тембр и произношение. Она распознаёт эмоции с точностью 80% по внутренним тестам (у Qwen3-Omni-30B — 70%, у Kimi-Audio — 62%), обрабатывает записи длиной до трёх часов, разделяет голоса разных спикеров и умеет искать по аудио с пересказом фрагментов и таймкодами. 💬 В бенчмарке Arena Hard Audio модель показала 75% побед в слепых сравнениях, опередив Gemini 2.5 Pro (62%) и приблизившись к Gemini-3-Flash-preview (77,5%). Для разработчиков также доступна облегчённая версия GigaChat3.1-Audio-10B. ================ 🔺 News | 🧩 Soft | 💻 Hacker