Главное архитектурное отличие GigaChat Audio от привычной схемы «голос → текст → LLM → текст → голос» в том, что модель анализирует звуковую волну напрямую, минуя этап транскрибации. Это позволяет ей улавливать то, что неизбежно теряется при переводе речи в текст, — интонацию, тембр, паузы, скорость речи и микровыражения голоса, по которым модель определяет эмоциональное состояние говорящего с точностью 80%. Для сравнения, конкурирующие открытые аудио-модели показывают более скромный результат на той же задаче: Qwen3-Omni-30B — 70%, Kimi-Audio — 62%.
Помимо эмоций, GigaChat Audio умеет работать с длинными записями — до трёх часов непрерывного аудио, различает нескольких говорящих в разговоре (диаризация), формирует саммари с таймкодами и отвечает на вопросы по содержанию записи. Отдельная функция — постоянная память: модель запоминает факты, которыми пользователь поделился в разговоре, и использует их в следующих сессиях; пользователь может посмотреть, отредактировать или полностью отключить сохранённые данные через настройки.
В тесте Arena Hard Audio, где модели сравниваются по качеству ответов на аудио-задачи в парных сопоставлениях, GigaChat Audio набрала 75% побед — это выше показателя Gemini 2.5 Pro (62%), но ниже более новой и лёгкой Gemini-3-Flash-preview, которая набрала 77.5%. Иными словами, модель Сбера обходит прошлое поколение флагмана Google, но пока уступает свежему релизу того же семейства — картина, типичная для быстро развивающегося сегмента аудио-ИИ, где лидерство меняется от релиза к релизу. По распознаванию эмоций сравнение выглядит увереннее: 80% у GigaChat Audio против 70% у Qwen3-Omni-30B и 62% у Kimi-Audio — то есть именно на этой конкретной задаче модель Сбера в цифрах, которые компания раскрыла сама, опережает и открытые китайские аналоги.
В публичном материале Сбер не раскрыл ни цену, ни точные условия доступа к GigaChat Audio, ни дорожную карту интеграции в существующие продукты линейки GigaChat — эти детали пока остаются за рамками анонса. Это типично для первого публичного объявления новой модальности: сначала компания демонстрирует технические возможности и бенчмарки, а коммерческие условия и API-доступ объявляются отдельно, ближе к массовому релизу.
Практическая ценность распознавания эмоций по голосу для российского бизнеса лежит прежде всего в контакт-центрах и продажах: модель, способная на лету оценивать, раздражён клиент или доволен, устал оператор или собран, даёт возможность автоматически эскалировать проблемные звонки на живого супервайзера, оценивать качество работы операторов без ручного прослушивания записей и точнее сегментировать обратную связь. Трёхчасовой лимит на длину записи и функция диаризации делают модель пригодной и для более длинных сценариев — расшифровки совещаний, встреч с клиентами, интервью, — где нужно не просто получить текст, но и понять, кто и в каком тоне что сказал.
Для рынка в целом релиз важен как сигнал: Сбер расширяет линейку GigaChat в сторону мультимодальности, конкурируя не только с российским YandexGPT, но и напрямую с международными моделями вроде Gemini и открытыми Qwen3-Omni и Kimi-Audio — причём по собственным замерам компании обходит часть из них на профильной задаче распознавания эмоций. Это укладывается в более широкий тренд 2026 года: голосовой и аудио-ИИ становится отдельным полем конкуренции, а не побочной функцией текстовых LLM.
Функция постоянной памяти — отдельная тема для российских корпоративных заказчиков, работающих с персональными данными клиентов. Возможность просмотреть, отредактировать или полностью отключить сохранённые моделью факты через настройки — не декоративная опция, а условие, без которого банкам, страховым компаниям и операторам контакт-центров сложно было бы вписать такой инструмент в существующие процедуры обработки персональных данных. Насколько эти механизмы контроля будут реализованы на практике при коммерческом запуске, станет ясно уже после того, как Сбер раскроет условия доступа к GigaChat Audio.