Sarvam AI 推出 Saaras V4，支持 22 种印度语言语音转文本

Techub News 消息，印度 AI 公司 Sarvam AI 发布新一代语音识别模型 Saaras V4，覆盖全部 22 种印度官方语言及全球英语口音。

该模型通过 API 提供，支持实时流式转录、批量处理及说话人分离功能，实时转录价格为每小时 30 印度卢比。

Saaras V4 的模型结构与输出模式

Saaras V4 采用编码器-解码器架构，解码器基于 Sarvam AI 自研的 30 亿参数混合状态空间语言模型 Sarvam-3B。

模型提供 5 种输出模式，包括转录、逐字记录、代码混合、拉丁化转写及翻译，并新增关键词提示功能，用于提升特定术语的识别准确率。

厂商披露的基准测试结果

Sarvam AI 表示，Saaras V4 在多项基准测试中取得最优结果，在嘈杂音频数据集上的错误率低于 Deepgram Nova-3 和 GPT-4o Transcribe。

不过，这些数据均由厂商自行报告，目前尚未有独立复现结果发布。

消息来自 MarkTechPost。