Перейти к основному содержимому
AXIOMA AI
Все новости ИИ в России
Технологии

Сбер открыл исходный код GigaChat Audio и GigaAM Multilingual: первая российская многоязычная модель речи в опенсорс

Сбер открыл исходный код GigaChat Audio и GigaAM Multilingual: первая российская многоязычная модель речи в опенсорс
Технологии
75%
побед GigaChat Audio в слепых сравнениях Arena Hard Audio

21 июля 2026 Сбер перевёл в открытый доступ две речевые модели: GigaChat3.1-Audio-10B (обрабатывает аудио напрямую, распознаёт эмоции, ищет моменты в записях) и GigaAM Multilingual — первую российскую открытую мультиязычную ASR-модель. Обе опубликованы на Hugging Face под лицензией MIT. Статьи приняты на Interspeech 2026.

21 июля 2026 года Сбер совершил значимый шаг для российского AI-сообщества: открыл исходный код двух речевых моделей, сделав их доступными для разработчиков по лицензии MIT.

GigaChat3.1-Audio-10B:

ХарактеристикаОписание
Размер10 миллиардов параметров
Принцип работыОбрабатывает аудио напрямую (без промежуточного STT)
Распознавание эмоций✅ Определяет интонацию, позитив/негатив
Поиск по записям✅ Находит нужные моменты в длинных аудиофайлах
ЛицензияMIT (открытый код)
ПлатформаHugging Face + GitHub

GigaAM Multilingual:

ХарактеристикаОписание
ТипМногоязычная CTC ASR-модель
УникальностьПервая российская открытая мультиязычная модель распознавания речи
АрхитектураАудиоэнкодер с самостоятельным обучением
ЯзыкиРусский + международные языки

Результаты на бенчмарках:

  • Arena Hard Audio: 75% побед в слепых сравнениях
  • Лучше Gemini 2.5 Pro (62%), немного уступает Gemini-3-Flash-preview (77.5%)
  • Обе статьи приняты на Interspeech 2026 — одну из ведущих международных конференций по речевым технологиям

Где применимы в российском B2B:

  1. 1.Колл-центры: анализ тональности звонков, выявление негативных клиентов в реальном времени
  2. 2.Compliance 152-ФЗ: локальная обработка аудио с ПД без отправки на зарубежные серверы
  3. 3.Медицина: транскрибация врачебных приёмов с защитой медицинской тайны
  4. 4.Юридические сервисы: протоколирование переговоров с поиском по ключевым моментам
  5. 5.Образование: автоматические субтитры, анализ лекций

Ключевое преимущество MIT-лицензии: Компании могут развернуть модели on-premise — данные не покидают контур организации. Это критично для обработки ПД и соответствия требованиям 152-ФЗ и ФСТЭК.

Это краткое изложение. Полный текст — на сайте источника:

Читать оригинал: Хабр / Computerra

Как это касается вашего бизнеса

Новые ИИ-технологии приносят пользу, когда работают с данными компании и не выносят их наружу. Внедряем ИИ-решения в контуре заказчика: данные остаются внутри периметра.