Hozirgacha ochiq kodli audio sun'iy intellekt modellarining aksariyati asosan ingliz tili va qisqa audio yozuvlar uchun ishlab chiqilgan edi. Past resursli tillar (jumladan, o'zbek tili) yoki uzoq davom etadigan audiolar bilan ishlaganda ularning aniqligi sezilarli darajada pasayardi.
Endi esa GigaChat jamoasi ushbu muammoni hal qilish maqsadida ikkita yangi modelni taqdim etdi: GigaAM Multilingual va GigaChat Audio. Ularning texnologiyalari ilmiy hamjamiyat tomonidan ham e'tirof etilib, tegishli maqolalar Interspeech 2026 konferensiyasiga qabul qilingan.
🌍 GigaAM Multilingual
Ko‘p tilli nutqni matnga aylantirish (ASR) modeli.
✅ Qozoq, qirg'iz, o'zbek, rus va ingliz tillarini qo'llab-quvvatlaydi.
✅ 70 dan ortiq til va 2 million soatdan ortiq audio ma'lumotlarda o'qitilgan.
✅ Whisper va Omnilingual modellariga qaraganda yangi tillarga tezroq moslashadi.
✅ Hatto 240M parametrli ixcham versiyasi ham Whisper Large v3 va Omnilingual 1B modelidan yuqori aniqlikni namoyish etadi.
🎙 GigaChat Audio
Audio bilan tabiiy muloqot qilishga mo'ljallangan yangi LLM.
🔹 2 soatgacha bo'lgan audio yozuvlarni to'liq kontekst bilan tahlil qila oladi.
🔹 Nutqni matnga aylantirish, tarjima qilish, audio tasniflash va ko'p bosqichli dialoglarni qo'llab-quvvatlaydi.
🔹 Audio ichidagi muhim voqealarni aniq vaqt bo'yicha topish imkoniyatiga ega.
🔹 Rus tilidagi topshiriqlarda Qwen3-Omni kabi raqobatchilarni ortda qoldirgan.
💡 Bu reliz ayniqsa o'zbek tili va boshqa MDH tillari bilan ishlovchi AI loyihalari uchun muhim qadam hisoblanadi.