भारतातील AI क्रांती: सर्व भारतीय भाषांसाठी 'सार्वभौम' व्हॉइस टेक लॉन्च!

भारताची AI मध्ये झेप: Gnani.ai सर्व भारतीय भाषांसाठी Vachana STT सादर करत आहे

बंगळूर, भारत – जेनरेटिव्ह AI स्टार्टअप Gnani.ai ने विकसित केलेल्या अत्याधुनिक स्पीच-टू-टेक्स्ट (STT) मॉडेल Vachana STT च्या लॉन्चसह, भारताच्या स्वदेशी कृत्रिम बुद्धिमत्ता (AI) क्षमतांच्या दिशेने एक महत्त्वपूर्ण पाऊल टाकले आहे. ही ग्राउंडब्रेकिंग टेक्नॉलॉजी विशेषतः भारताच्या विविध भाषिक परिसरासाठी डिझाइन केली गेली आहे आणि महत्वाकांक्षी IndiaAI मिशन अंतर्गत विकसित केली जात आहे, जी देशांतर्गत AI नवकल्पनांना प्रोत्साहन देणारी सरकारी मोहीम आहे.

Vachana STT ची शक्ती

Gnani.ai ने Vachana STT ला एक दशलक्ष (10 लाख) तासांहून अधिक वास्तविक-जगातील व्हॉइस डेटाच्या प्रचंड डेटासेटवर प्रशिक्षित केले आहे. कंपनीचा दावा आहे की या व्यापक प्रशिक्षणामुळे सध्याच्या स्पीच रेकग्निशन सिस्टमच्या तुलनेत अनेक भारतीय भाषांमध्ये कमी एरर रेट प्राप्त करण्यास मॉडेलला मदत होते. विशेषतः, Vachana STT कॉल सेंटर्स आणि ग्राहक सेवा केंद्रांसारख्या वातावरणात वारंवार आढळणाऱ्या आव्हानात्मक, गोंगाटाच्या वास्तविक-जगातील परिस्थितीत देखील उत्कृष्ट कामगिरी करतो, जिथे ऑडिओ स्पष्टता समस्याप्रधान असू शकते. अशा परिस्थितीत सामान्य असलेल्या खराब ऑडिओ गुणवत्तेमध्येही मॉडेल मजबूत कार्यप्रदर्शन दर्शवते.

बहुभाषिक समर्थन आणि अष्टपैलुत्व

Vachana STT मॉडेल हिंदी, बंगाली, तमिळ, तेलुगु, कन्नड, मल्याळम, मराठी, गुजराती, पंजाबी, ओडिया आणि आसामी यांसारख्या अनेक भारतीय भाषांना व्यापक समर्थन देतो. Gnani.ai द्वारे अधोरेखित केलेला एक प्रमुख फायदा म्हणजे मॉडेलची अष्टपैलुत्व; याला 1,000 पेक्षा जास्त विविध डोमेनवर प्रशिक्षित केले गेले आहे. या व्यापक प्रशिक्षणाचा अर्थ असा आहे की, सिस्टमला विविध विशिष्ट वापराच्या प्रकरणांसाठी (use cases) वेगळे, वेळखाऊ फाइन-ट्यूनिंग करण्याची आवश्यकता नाही, ज्यामुळे उद्योगांसाठी त्वरित उपयोज्यता (deployability) मिळते.

एंटरप्राइज कार्यक्षमतेला चालना

Vachana STT चा सुरुवातीचा वापर आधीच सुरू झाला आहे, ज्यामध्ये बँकिंग, दूरसंचार आणि ग्राहक सेवा यांसारख्या महत्त्वपूर्ण क्षेत्रांतील कंपन्या या तंत्रज्ञानाचा अवलंब करत आहेत. अहवालानुसार, ही प्रणाली दररोज सुमारे 10 दशलक्ष कॉल्सवर प्रक्रिया करत आहे, जी जवळजवळ रिअल-टाइम ट्रान्सक्रिप्शन प्रदान करते. ही क्षमता या उद्योगांमधील कामकाजाची कार्यक्षमता आणि ग्राहक सेवा लक्षणीयरीत्या सुधारण्याचे आश्वासन देते.

सार्वभौम AI ला प्रोत्साहन

Gnani.ai च्या Vachana STT चा विकास हा यावर्षी IndiaAI मिशनसाठी निवडल्या जाण्याचा थेट परिणाम आहे. या मिशनने देशासाठी मुख्य, "सार्वभौम" (sovereign) AI पायाभूत सुविधा तयार करण्यासाठी निवडक स्टार्टअप्सच्या गटाची निवड केली. 500 पेक्षा जास्त प्रस्तावांचे मूल्यांकन करणाऱ्या या उपक्रमाने, निवडलेल्या कंपन्यांना भारत-विशिष्ट डेटावर प्रशिक्षित मोठे AI मूलभूत मॉडेल (foundational models) विकसित करण्याचे निर्देश दिले आहेत, ज्यामुळे परदेशी-निर्मित सिस्टम आणि जागतिक API वरील अवलंबित्व कमी होईल. Gnani.ai ला विशेषतः वास्तविक-जगातील भारतीय भाषण परिस्थितीसाठी बहुभाषिक व्हॉइस AI मूलभूत मॉडेल तयार करण्याचे काम देण्यात आले होते.

व्हॉइस टेक्नॉलॉजीचे भविष्य

Vachana STT, Gnani.ai च्या आगामी व्हॉइस टेक्नॉलॉजी स्टॅक, VoiceOS चा एक प्रमुख घटक बनणार आहे. हा मॉडेल एंटरप्राइज ग्राहकांसाठी API द्वारे उपलब्ध आहे, ज्यामध्ये सुरुवातीच्या वापरकर्त्यांसाठी त्याच्या क्षमतांचा शोध घेण्यासाठी मर्यादित विनामूल्य वापर टियर (free usage tier) देखील उपलब्ध आहे. हे पाऊल IndiaAI मिशनच्या राष्ट्रीय संगणकीय पायाभूत सुविधा आणि स्वदेशी AI मॉडेल्सच्या विकासाला गती देण्यासाठी प्रोत्साहन देण्याच्या ध्येयाशी सुसंगत आहे.

परिणाम

Vachana STT चे लॉन्च AI मध्ये भारताच्या तांत्रिक आत्मनिर्भरतेसाठी एक महत्त्वपूर्ण क्षण दर्शवते. हे व्यवसाय आणि ग्राहक दोघांसाठीही, विशेषतः प्रादेशिक भाषांमध्ये संवाद साधणाऱ्यांसाठी, प्रगत व्हॉइस तंत्रज्ञानाची उपलब्धता लोकशाहीकरण करण्याचे आश्वासन देते. या विकासामुळे उत्तम डिजिटल सेवा, अधिक सुलभता आणि भरभराट होत असलेल्या भारतीय AI परिसंस्थेला चालना मिळेल, ज्यामुळे नवीन नोकऱ्या आणि नवकल्पनांना प्रोत्साहन मिळेल. हा उपक्रम बाह्य AI प्रदात्यांवरील अवलंबित्व कमी करतो, भारताच्या डिजिटल सार्वभौमत्वाला मजबूत करतो.