Большинство африканцев говорят как минимум на двух языках и часто смешивают их в одном предложении, например: “My loan imekataliwa, but I paid yesterday.” Во многих системах распознавания речи английская часть транскрибируется, а Swahili опускается, из-за чего компания, использующая такую расшифровку, теряет часть смысла.

Intron, компания по голосовым технологиям, ориентированная на Африку и основанная в Лагосе, выпустила Sahara v2.5 — набор моделей, созданный именно для такого сценария. Обновление добавляет поддержку code-switching — способности следовать за говорящим, который переключается между языками внутри одного предложения, — для 12 африканских языков, включая Zulu, Hausa, Swahili и Luganda.

Также представлен то, что Intron называет первой в мире африканской триязычной моделью распознавания речи, способной обрабатывать разговоры, переходящие между тремя языками. Она создана для Rwanda, где Kinyarwanda, национальный язык, на котором говорит почти всё население, в повседневной профессиональной жизни сосуществует с English и French. Компания заявляет, что подала заявки на патенты в США на алгоритмы, лежащие в основе этой системы.

Intron считает, что code-switching — это отдельная техническая задача, которую глобальные лаборатории часто недооценивают. Модель может отлично работать с English, уверенно распознавать Swahili и при этом давать сбой, когда оба языка звучат в одном и том же предложении. По мнению компании, для решения проблемы нужны отдельные данные, отдельное обучение и отдельная оценка, а небольшая компания с узкой задачей может обойти крупную, опирающуюся на глобальные средние показатели.

По собственным бенчмаркам Intron, Sahara v2.5 показала среднюю долю ошибок по словам на уровне 34.3% на 12 языках африканской речи с code-switching, против 53.8% у Gemini 3.6, модели Google AI. На практике это означает, что Sahara ошибается примерно в одном слове из трёх, тогда как Gemini — более чем в одном из двух.

Компания утверждает, что Sahara превзошла Gemini, ElevenLabs и Meta во всех 12 протестированных языках. Однако это по-прежнему означает, что примерно одно слово из трёх распознаётся неверно.

Основанная в 2020 году Tobi Olatunji, врачом, получившим медицинское образование в Nigeria, и Kunle Asekun, компания Intron привлекла $1.6 million на pre-seed-раунде в July 2024, под руководством Microtraction, чтобы решить проблему документооборота в больницах, но теперь пытается понять, как сделать голосовой ИИ работающим по всему континенту.

Почему code-switching сложен

В этом случае речь сложнее текста, потому что при чтении написанного предложения модель может видеть, где начинается и заканчивается каждое слово. Модель, работающая с аудио, получает только звук. Ей нужно одновременно определить звуки, слова, акцент, контекст и язык — без каких-либо видимых границ, показывающих, где заканчивается Yoruba и начинается English. Переключение может происходить между предложениями, внутри предложения или даже вокруг одного слова.

Другие системы решают это сначала определяя язык, а затем направляя каждый фрагмент к монолингвальному recogniser — модели, обученной расшифровывать один язык. Такой подход работает на длинных и чистых фрагментах, но ломается, если переключение длится всего одно или два слова. Intron заявляет, что обучает Sahara напрямую на смешанной речи, поэтому модель воспринимает переключение как обычное явление, изучает, какие переходы возможны в каждой паре языков, и определяет их по акустическим признакам и контексту всего высказывания.

Есть и вторая проблема, начинающаяся с tokenisation. Прежде чем модель сможет обработать речь, она разбивает звук на небольшие единицы, называемые tokens, каждая из которых сопоставляется с фрагментом языка, уже встречавшимся ей ранее. Если формы африканских языков составляют лишь небольшую долю обучающих данных, у модели слишком мало африканских tokens для сопоставления. Тогда она вынужденно подставляет незнакомый африканский звук в ближайший известный ей English или French token. В результате возникает hallucination — слово, которого говорящий не произносил, — либо часть речи вовсе исчезает из расшифровки.

Сами обучающие данные также ограничены. Записи естественной речи с code-switching сложно собрать, а искусственно смешанное аудио не отражает то, как люди действительно переключаются между языками.

“Code-switching was one of the biggest problems that consistently came up for clients deploying real-world voice AI,” Tobi Olatunji, CEO Intron, told TechCabal in an interview. “Africa needs AI built for how Africans really speak. People should not have to translate themselves for a machine, flatten their accent, avoid local expressions or repeat only the English part of what they said.”

Кто использует Sahara?

Intron сообщает, что теперь её модель поддерживает production и research deployments у более чем 40 organisations в шести странах: Nigeria, Kenya, South Africa, Uganda, Rwanda и Ghana.

Коммерческий пример, которым поделилась компания, — Branch International, fintech-кредитор, где агенты по взысканию задолженности на базе Sahara за одну неделю вернули более ₦1.2 million ($891) просроченных займов, с рекордными выплатами после окончания рабочего дня и в выходные, а также с более высокой эффективностью, чем у людей, по займам с просрочкой более 356 days.

“Customers engaged naturally even after hours and on weekends,” said Adanne Anene, Head of Product Africa at Branch, in a statement shared with TechCabal.

Text-to-speech, который преобразует написанные слова в озвученное аудио, и voice agents теперь обрабатывают смешение языков в 13 language pairs, превосходя ElevenLabs и Gemini в девяти из них в тестах Intron, заявила стартап-компания в релизе.

Новая поддержка распознавания речи для Nupe, Kanuri, Nigerian Fulfulde, Tigrinya, Kikuyu, Dholuo и Somali доводит общее покрытие до 31 языка. Компания также добавила streaming speech recognition и streaming text-to-speech в свой application programming interface (API) — соединение, которое разработчики используют, чтобы встроить модели Intron в собственные продукты, — для live captions и real-time applications.

Intron также опубликовала 2026 Africa Voice AI Report, в котором утверждается, что сбор данных африканских языков — лишь одно из препятствий для надёжного voice AI. Не менее важны исследовательские возможности, умение связывать системы между собой и экспертиза в их внедрении.

В качестве примера приводится ambient medical scribe — программное обеспечение, которое слушает консультацию врача и пациента и автоматически оформляет заметки. В США и Европе оно широко используется, но в африканских клиниках в значительной степени непрактично, поскольку одна консультация может включать два или три языка.

True scale требует перехода от поверхностных интеграций к надёжному исполнению. We’ve filtered the noise out of Moonshot 2026, optimising the conference strictly for high-calibre connections between startup founders, global financial operators, enterprise leaders, and individuals rewiring Africa’s technical frameworks. Get 20% off Early Bird tickets for a limited time .