Sarvam AI 发布语音转文本模型 Saaras V4，支持 22 种印度语言

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 采用编码器-解码器架构，解码器基于自研的 3B 参数混合状态空间语言模型 Sarvam-3B。模型提供转录、逐字记录、代码混合、拉丁化转写及翻译五种输出模式，并新增关键词提示功能以提升特定术语识别准确率。 Sarvam AI 报告称，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，上述数据均为厂商自行报告，尚未有独立复现结果发布。（MarkTechPost）