Компания Сбер представила GigaChat Audio — специализированную аудио-ориентированную языковую модель (audio-native LLM). В отличие от классических систем, преобразующих речь в текст перед анализом, данная модель способна работать с аудиопотоком напрямую, что позволяет ей лучше улавливать интонации и эмоциональную окраску говорящего. В ходе практического тестирования модель применялась для решения повседневных задач бэкенд-разработчика: обработки голосовых сообщений от коллег, создания кратких резюме (саммари) по итогам рабочих встреч и извлечения ключевого контекста из длинных аудиозаписей. Автор эксперимента отметил, что модель успешно справляется с анализом структуры диалогов и выделением важных деталей, что помогает автоматизировать рутинную работу с коммуникациями. Техническая реализация позволила развернуть GigaChat Audio локально на рабочем компьютере, что обеспечивает гибкость при интеграции в рабочие процессы. Результаты теста подтверждают потенциал модели в задачах, требующих глубокого понимания не только текстового содержания, но и аудио-контекста общения.