Скорость расшифровки выросла на 70%, а точность для real-time сценариев — 4% WER. Для сравнения: в спокойных условиях Chirp 3 давал заметно больше. 85+ языков, multi-speaker (до 3 человек в записи), function calling. Доступно в Live API и Interactions API. Если вы когда-нибудь звук в текст конвертировали и плакали от результатов — вам повезло.