बेंगळुरूस्थित स्टार्टअप Sarvam AI ने भारतीय भाषांमधील गुंतागुंतीची कागदपत्रे डिजिटल करण्यासाठी 'Vision 2.1' मॉडेल लाँच केले आहे. हे तंत्रज्ञान व्यवसायांचा खर्च कमी करण्यासाठी डिझाइन केले असून, २२ भाषांमधील हस्तलिखित रेकॉर्ड्स अचूकपणे वाचण्यासाठी विकसित करण्यात आले आहे.
बेंगळुरूस्थित स्टार्टअप Sarvam AI ने त्यांचे प्रगत एआय मॉडेल 'Vision 2.1' बाजारात आणले आहे. हे मॉडेल जुनी हस्तलिखिते आणि टेबल्स यांसारखी कठीण कागदपत्रे डिजिटल स्वरूपात रूपांतरित करण्यासाठी तयार करण्यात आले आहे. फेब्रुवारीमध्ये लाँच केलेल्या मागील आवृत्तीत आलेल्या तांत्रिक अडचणी आणि उच्च खर्चाच्या तक्रारी लक्षात घेता, कंपनीने या अपडेटमध्ये मोठे सुधार केले आहेत.
कामगिरी आणि आव्हाने
कंपनीच्या दाव्यानुसार, हे मॉडेल २२ भारतीय भाषांमध्ये सरासरी ८७.३% अचूकता (Accuracy) देते. हिंदी, कन्नड आणि तेलुगू यांसारख्या भाषांमध्ये मॉडेलची कामगिरी ९०% पेक्षा जास्त आहे. मात्र, संथाली आणि काश्मिरी यांसारख्या कमी वापरल्या जाणाऱ्या भाषांमध्ये ही अचूकता ५४% च्या आसपास घसरते, जे एंटरप्राइझ लेव्हलच्या वापरासाठी एक मोठे आव्हान मानले जात आहे.
स्पर्धा आणि भविष्यातील दिशा
Sarvam AI हे मॉडेल 'Bodhan Indic-OCR' प्रणालीपेक्षा अधिक कार्यक्षम असल्याचा दावा करत आहे. जागतिक स्तरावर 'PaddleOCR' सारख्या प्रस्थापित तंत्रज्ञानाशी त्यांना स्पर्धा करावी लागणार आहे. कंपनीने ६,९०९ टेस्ट सॅम्पल्स जारी करून एक नवीन बेंचमार्क तयार करण्याचा प्रयत्न केला आहे. आता व्यवसायांना प्रत्यक्षात हे तंत्रज्ञान किती फायदेशीर ठरते आणि कंपनी कमी वापरल्या जाणाऱ्या भाषांमधील अचूकता कशी सुधारते, यावरच याचे यश अवलंबून असेल.