Российские ИИ-помощники учатся говорить и слушать

Сбер обновил GigaChat Audio – модель для анализа голосовых сообщений и длинных записей. По словам компании, она распознаёт эмоции и различает спикеров, ищет нужные фрагменты в аудио продолжительностью до трёх часов и выдаёт ответы с таймкодами. Версию модели GigaChat3.1-Audio-10B выложили в открытый доступ, поэтому на её основе можно делать расшифровщики встреч, поиск по звонкам и другие сервисы. Голос ГигаЧата при этом не обновился: нововведение касается способности модели слушать, а не говорить.

Яндекс же как раз занялся умением говорить. Компания запустила в приложении Алисы режим «Поговорить». В нём Алису научили вести непрерывный диалог, реагировать на перебивания, менять темп, громкость и интонацию. Голос получился правдоподобным и, по ощущениям, заметно живее, чем у нынешнего ГигаЧата или даже некоторых зарубежных конкурентов. Правда, полезнее от этого режим не становится: он официально поддерживает только русский, не умеет искать информацию, проводить исследования, использовать инструменты или выполнять большую часть обычных функций Алисы. Это скорее публичная демонстрация нового голоса и развлечение на один раз, чем полноценный голосовой помощник.

Российские разработчики пока собирают продукт по частям: у Сбера появилась открытая модель, которая умеет слушать и анализировать, у Яндекса – голос, который почти ничего не умеет. Остаётся вопрос, кто первым успеет сделать универсального ассистента. Будет неплохо, если новый голос Алисы со временем получит все возможности и станет основным голосовым интерфейсом Яндекса. Главное – не просить её перейти на английский: несмотря на то, что официально язык не поддерживается, модель на нём говорит. И делает это с гипертрофированным русским акцентом. Вот тебе и slavic girl.