Sarvam AI запустила Saaras V4 для 22 индийских языков и английского

Индийская компания Sarvam AI выпустила четвёртую версию модели распознавания речи Saaras V4, охватывающую все 22 официальных языка Индии плюс английский с глобальными акцентами. Модель работает через API Sarvam с параметром model="saaras:v4", веса не опубликованы.

В основе — энкодер-декодер: аудиоэнкодер преобразует звук в эмбеддинги, адаптер сокращает последовательность, а декодер Sarvam-3B (3 млрд параметров) генерирует транскрипцию. На семи английских датасетах, включая набор с индийскими акцентами, модель показала самый низкий средний WER среди протестированных систем.