Sarvam AI: ప్రపంచంలోని ఏఐ మోడళ్లపై(Models) ఎక్కువ ఫోకస్ ఇప్పటివరకు అమెరికా, చైనా కేంద్రంగా ఉంది. భారతీయ ప్రతిభ, మార్కెట్ ఉన్నప్పటికీ కోర్ ఏఐ అభివృద్ధిలో మన దేశం పెద్దగా కనిపించలేదు. కానీ “బెంగళూరు కేంద్రంగా పనిచేస్తున్న స్టార్టప్ Sarvam AI” ఈ పరిస్థితిని మార్చుతోంది.
‘సోవరిన్ ఏఐ (Sovereign AI)’ లక్ష్యంతో పునాది స్థాయి ఏఐ మోడళ్లను రూపొందిస్తున్న సర్వమ్, తాజాగా విడుదల చేసిన “Sarvam Vision” మరియు “Bulbul Tools” ప్రపంచవ్యాప్తంగా చర్చకు వస్తున్నాయి.
OCR (Optical Character Recognition) విభాగంలో సర్వమ్ విజన్, జెమినీ 3 ప్రో, డీప్సీక్ OCR v2, చాట్జీపీటీ వంటి పెద్ద ఏఐ మోడళ్లను కొన్ని బెంచ్మార్క్లలో వెనక్కి నెట్టేసింది. “olmOCR-Bench” లో 84.3% ఖచ్చితత్వం సాధించి, OmniDocBench v1.5 లో 93.28% స్కోర్తో క్లిష్టమైన లేఅవుట్లు, పట్టికలు, గణిత ఫార్ములాలు సులభంగా పరిష్కరించింది.
ఇండియన్ భాషల కోసం OCR, స్పీచ్ మోడళ్ల లోపాన్ని సర్వమ్ పూర్తిచేస్తోంది. “Bulbul V3” టెక్స్ట్-టు-స్పీచ్ మోడల్ ప్రస్తుతానికి 11 భారతీయ భాషల్లో 35కంటే ఎక్కువ వాయిస్లను మద్దతు ఇస్తుంది. త్వరలో ఇది 22 భాషలకు విస్తరించబోతుంది. వినియోగదారులు దీన్ని విదేశీ టూల్స్తో పోలిస్తే మెరుగ్గా, తక్కువ ఖర్చుతో ఉన్నాయని తెలిపారు.
మొత్తంగా, “భారతీయ సర్వమ్ ఏఐ టూల్స్ ప్రపంచానికి ప్రతిభ చూపిస్తూ”, ఇండిక్ మార్కెట్లో కొత్త పుంజులు సృష్టిస్తున్నాయి.
