Samsung запустила три аудиоязыковые модели для смартфонов

Samsung опубликовала семейство Samsone — три аудиоязыковые модели размером от 99 млн до 356 млн параметров для работы на мобильных устройствах. Модели принимают аудиофрагменты с текстовым запросом и отвечают текстом: описывают звуки, отвечают на вопросы о записях, сравнивают клипы. Архитектура использует энкодер Whisper-Tiny, проектор эмбеддингов и языковую модель SmolLM2 от Hugging Face.

На тесте MMAU модель Samsone-134M набрала 61,33% против 53,34% у предыдущего лидера среди малых моделей. Проект представят на конференции Interspeech 2026 в Сиднее.