Sarvam AI presenta saaras v4: un modelo de conversión de voz a texto multilingüe para idiomas indios y inglés global

Sarvam AI ha lanzado Saaras V4, un modelo de conversión de voz a texto que admite todos los 22 idiomas indios programados, junto con acentos de inglés globales. El modelo está disponible a través de la API de Sarvam utilizando el identificador del modelo 'saaras:v4'. Aunque los pesos del modelo no están disponibles públicamente, la documentación de auto-hospedaje de SageMaker de la empresa actualmente admite Saaras v3. La nueva versión emplea una arquitectura codificador-decodificador, con un modelo de lenguaje híbrido de espacio de estado de 3B de parámetros, Sarvam-3B, como decodificador. El rendimiento del modelo, incluyendo un WER del 16,03% en el benchmark IndicContextEval, es reportado por Sarvam como el más bajo de todos los tiempos. La 'prompting' de términos clave, una nueva característica en la V4, permite a los usuarios sesgar el reconocimiento con hasta 50 términos. Sarv, la empresa, enfatiza que todas las métricas son reportadas por el proveedor, y que aún no se ha publicado ninguna validación independiente. El cambio de Saaras v3 a V4 requiere solo un cambio de una línea en el formato de la solicitud.