О новой аудиомодели Сбера по имени GigaChat Audio рассказал автор блога на Хабре: он поднял её локально на своей RTX 4090 и устроил тест-драйв прямо в рабочий день. По его описанию, модель запоминает контекст, справляется с длинными записями и распознаёт эмоции говорящего.
В ход пошёл настоящий рабочий звук: собственный черновик доклада, чужая встреча про дробление BFF, голосовые от коллег и код-ревью для младшего коллеги. Где-то, по словам автора, модель заметно экономит нервы, а где-то на технической теме выдаёт результат, после которого запись всё равно приходится слушать самому.
К вечеру у него сложился спокойный вывод о том, кому и на каких задачах инструмент действительно пригодится. Других подробностей — например, точных метрик качества — в заметке не приводится.
Контекст: аудиомодели всё чаще пробуют не в лаборатории, а на бытовых записях совещаний и голосовых, и именно там становится видна разница между демо и реальной работой.
Источник: Telegram: Хабр
Комментарии 7