ਭਾਰਤੀ ਵਿਗਿਆਨ ਸੰਸਥਾ (IISc) ਨੇ SraVaani ਨਾਂ ਦਾ ਇੱਕ ਨਵਾਂ ਓਪਨ-ਸੋਰਸ ਸਪੀਚ AI ਮਾਡਲ ਪੇਸ਼ ਕੀਤਾ ਹੈ, ਜੋ 65 ਭਾਰਤੀ ਭਾਸ਼ਾਵਾਂ ਅਤੇ ਉਪਭਾਸ਼ਾਵਾਂ ਨੂੰ ਸਮਝਣ ਦੇ ਸਮਰੱਥ ਹੈ। ਇਸ ਮਾਡਲ ਦਾ ਉਦੇਸ਼ **25 ਕਰੋੜ** ਤੋਂ ਵੱਧ ਲੋਕਾਂ ਲਈ AI ਤਕਨਾਲੋਜੀ ਨੂੰ ਵਧੇਰੇ ਸੁਲਭ ਬਣਾਉਣਾ ਹੈ। ARTPARK ਅਤੇ Google ਦੇ ਸਹਿਯੋਗ ਨਾਲ ਵਿਕਸਤ, ਇਹ ਟੂਲ ਭਾਰਤੀ ਖੇਤਰੀ ਭਾਸ਼ਾਵਾਂ ਲਈ ਸਮਾਵੇਸ਼ੀ AI ਪਹੁੰਚ ਦਾ ਵਿਸਥਾਰ ਕਰੇਗਾ।
ਸਾਰਿਆਂ ਲਈ AI: IISc ਦਾ ਨਵਾਂ ਕਦਮ
ਭਾਰਤੀ ਵਿਗਿਆਨ ਸੰਸਥਾ (IISc) ਨੇ ਨਕਲੀ ਬੁੱਧੀ (Artificial Intelligence) ਵਿੱਚ ਭਾਸ਼ਾਈ ਪਾੜੇ ਨੂੰ ਪੂਰਨ ਲਈ ਇੱਕ ਨਵਾਂ ਸਪੀਚ ਰੈਕੋਗਨੀਸ਼ਨ AI ਮਾਡਲ, SraVaani, ਲਾਂਚ ਕੀਤਾ ਹੈ। ਇਹ ਮਾਡਲ IISc ਦੀ SPIRE Lab ਦੁਆਰਾ ARTPARK ਅਤੇ Google ਦੇ ਸਹਿਯੋਗ ਨਾਲ ਵਿਕਸਤ ਕੀਤਾ ਗਿਆ ਹੈ।
65 ਭਾਸ਼ਾਵਾਂ, 25 ਕਰੋੜ ਲੋਕਾਂ ਲਈ ਸਹਾਇਤਾ
SraVaani ਨੂੰ 65 ਵੱਖ-ਵੱਖ ਭਾਰਤੀ ਭਾਸ਼ਾਵਾਂ ਅਤੇ ਉਪਭਾਸ਼ਾਵਾਂ ਨੂੰ ਸਮਝਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਸ ਨਾਲ ਉਨ੍ਹਾਂ 25 ਕਰੋੜ ਤੋਂ ਵੱਧ ਲੋਕਾਂ ਦੀਆਂ ਜ਼ਰੂਰਤਾਂ ਪੂਰੀਆਂ ਹੋਣਗੀਆਂ, ਜਿਨ੍ਹਾਂ ਦੀਆਂ ਮੂਲ ਭਾਸ਼ਾਵਾਂ ਨੂੰ ਪਹਿਲਾਂ ਗਲੋਬਲ AI ਮਾਡਲਾਂ ਵਿੱਚ ਘੱਟ ਪ੍ਰਤੀਨਿਧਤਾ ਮਿਲਦੀ ਸੀ। ਮੌਜੂਦਾ ਟੈਕਨਾਲੋਜੀ ਜ਼ਿਆਦਾਤਰ ਸ਼ਡਿਊਲਡ ਭਾਸ਼ਾਵਾਂ 'ਤੇ ਕੇਂਦ੍ਰਿਤ ਹੈ, ਪਰ SraVaani ਵਿੱਚ 20 ਸ਼ਡਿਊਲਡ ਅਤੇ 45 ਹੋਰ ਖੇਤਰੀ ਭਾਸ਼ਾਵਾਂ ਸ਼ਾਮਲ ਹਨ।
ਓਪਨ-ਸੋਰਸ ਅਤੇ ਮੁਫਤ ਪਹੁੰਚ
IISc ਨੇ ਇਸ ਮਾਡਲ ਨੂੰ Hugging Face ਪਲੇਟਫਾਰਮ 'ਤੇ ਓਪਨ-ਸੋਰਸ (Open-Source) ਵਜੋਂ ਜਾਰੀ ਕੀਤਾ ਹੈ। MIT ਲਾਇਸੈਂਸ ਤਹਿਤ, ਡਿਵੈਲਪਰ ਅਤੇ ਸਟਾਰਟਅੱਪ ਇਸਨੂੰ ਮੁਫਤ ਵਿੱਚ ਵਰਤ ਸਕਦੇ ਹਨ। ਇਸ ਨਾਲ ਭਾਰਤੀ ਭਾਸ਼ਾਵਾਂ ਲਈ ਐਪਲੀਕੇਸ਼ਨ ਬਣਾਉਣ ਵਾਲੀਆਂ ਕੰਪਨੀਆਂ ਲਈ ਲਾਗਤ ਅਤੇ ਤਕਨੀਕੀ ਰੁਕਾਵਟਾਂ ਘੱਟ ਹੋਣਗੀਆਂ।
ਤਕਨੀਕੀ ਆਧਾਰ ਅਤੇ ਪ੍ਰਦਰਸ਼ਨ
SraVaani, Vaani ਡਾਟਾਸੈੱਟ 'ਤੇ ਆਧਾਰਿਤ ਹੈ, ਜਿਸ ਵਿੱਚ ਭਾਰਤ ਦੇ 165 ਜ਼ਿਲ੍ਹਿਆਂ ਦੇ 1,56,000 ਵਿਅਕਤੀਆਂ ਤੋਂ 31,000 ਘੰਟਿਆਂ ਤੋਂ ਵੱਧ ਦੀ ਸਪੌਂਟੇਨੀਅਸ ਸਪੀਚ ਇਕੱਠੀ ਕੀਤੀ ਗਈ ਸੀ। ਇਸ ਨੇ ਗਾਰੋ (Garo) ਭਾਸ਼ਾ ਵਰਗੀਆਂ ਘੱਟ ਵਰਤੀਆਂ ਜਾਣ ਵਾਲੀਆਂ ਭਾਸ਼ਾਵਾਂ 'ਤੇ ਵੀ ਬਿਹਤਰ ਪ੍ਰਦਰਸ਼ਨ ਦਿਖਾਇਆ ਹੈ, ਜਿੱਥੇ ਇਸਦਾ ਵਰਡ ਐਰਰ ਰੇਟ (Word Error Rate) ਸਿਰਫ਼ 9.5% ਰਿਹਾ, ਜੋ ਕਿ ਹੋਰ ਸਿਸਟਮਾਂ ਨਾਲੋਂ ਕਾਫ਼ੀ ਸੁਧਾਰ ਹੈ।
ਭਾਰਤੀ AI ਈਕੋਸਿਸਟਮ 'ਤੇ ਅਸਰ
SraVaani ਦੀ ਲਾਂਚ ਭਾਰਤੀ ਟੈਕਨਾਲੋਜੀ ਸੈਕਟਰ ਲਈ "ਸਾਵਰੇਨ AI" (Sovereign AI) ਬਣਾਉਣ ਵੱਲ ਇੱਕ ਕਦਮ ਹੈ, ਜੋ ਸਥਾਨਕ ਲੋੜਾਂ ਲਈ ਤਿਆਰ ਕੀਤੀ ਗਈ ਹੈ। ਇਹ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਵੌਇਸ ਫੀਚਰਸ ਨੂੰ ਐਪਸ ਵਿੱਚ ਆਸਾਨੀ ਨਾਲ ਜੋੜਨ ਵਿੱਚ ਮਦਦ ਕਰੇਗਾ, ਜਿਸ ਨਾਲ ਬੈਂਕਿੰਗ, ਈ-ਗਵਰਨੈਂਸ ਅਤੇ ਈ-ਕਾਮਰਸ ਵਰਗੇ ਸੈਕਟਰਾਂ ਵਿੱਚ ਵਾਧਾ ਹੋਵੇਗਾ।
ਚੁਣੌਤੀਆਂ 'ਤੇ ਨਜ਼ਰ
ਹਾਲਾਂਕਿ, ਮਾਹਰਾਂ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ 65 ਭਿੰਨ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਉੱਚ ਸਟੀਕਤਾ ਬਣਾਈ ਰੱਖਣਾ ਇੱਕ ਚੁਣੌਤੀ ਹੈ। ਆਵਾਜ਼ ਵਿੱਚ ਸ਼ੋਰ ਜਾਂ ਵੱਖ-ਵੱਖ ਉਚਾਰਨਾਂ ਵਰਗੀਆਂ ਅਸਲ-ਦੁਨੀਆ ਦੀਆਂ ਸਥਿਤੀਆਂ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰ ਸਕਦੀਆਂ ਹਨ। ਕੰਪਨੀਆਂ ਦੁਆਰਾ ਇਸ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਨਾਲ, ਆਉਣ ਵਾਲੇ ਮਹੀਨਿਆਂ ਵਿੱਚ ਇਹ ਦੇਖਣਾ ਹੋਵੇਗਾ ਕਿ ਇਹ ਭਾਰਤੀ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਡਿਜੀਟਲ ਸੇਵਾਵਾਂ ਦੇ ਵਿਕਾਸ ਦੀ ਲਾਗਤ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ।