இந்திய அறிவியல் கழகம் (IISc) 'SraVaani' என்ற புதிய ஓப்பன்-சோர்ஸ் ஸ்பீச் AI மாடலை வெளியிட்டுள்ளது. இது 65 இந்திய மொழிகளில் செயல்படும், சுமார் 25 கோடி மக்களை சென்றடையும் நோக்கில் உருவாக்கப்பட்டுள்ளது.
மொழித் தடையை உடைக்கும் 'SraVaani'
செயற்கை நுண்ணறிவு (AI) துறையில் மொழித் தடையை நீக்கும் ஒரு முக்கிய பாய்ச்சலாக, இந்திய அறிவியல் கழகம் (IISc) 'SraVaani' என்ற புதிய ஸ்பீச் ரெகக்னிஷன் AI மாடலை அறிமுகப்படுத்தியுள்ளது. IISc-யின் SPIRE ஆய்வகம், ARTPARK மற்றும் கூகிள் (Google) நிறுவனங்களின் கூட்டு முயற்சியில் இது உருவாக்கப்பட்டுள்ளது. இந்த மாடல் 65 வெவ்வேறு இந்திய மொழிகள் மற்றும் வட்டார வழக்குகளைப் புரிந்துகொள்ளும் திறன் கொண்டது.
25 கோடி மக்களுக்கு பயன்
உலகளாவிய AI மாடல்களால் பெரிதும் கவனிக்கப்படாத, சுமார் 25 கோடி மக்களால் பேசப்படும் மொழிகளின் தேவைகளைப் பூர்த்தி செய்வதே இதன் முக்கிய நோக்கமாகும். தற்போதுள்ள ஸ்பீச் டெக்னாலஜிகள் பெரும்பாலும் முக்கிய மொழிகளில் மட்டுமே கவனம் செலுத்துகின்றன. ஆனால், 'SraVaani' 20 அட்டவணைப்படுத்தப்பட்ட மொழிகள் மற்றும் கூடுதலாக 45 பிராந்திய மொழிகளையும் உள்ளடக்கியுள்ளது. இந்த மாடலை Hugging Face தளத்தில் ஓப்பன்-சோர்ஸாக (Open-Source) வெளியிட்டதன் மூலம், டெவலப்பர்கள் மற்றும் ஸ்டார்ட்-அப் நிறுவனங்கள் இதை இலவசமாகப் பயன்படுத்தலாம். இது, இந்திய மொழிகளுக்கேற்ற அப்ளிகேஷன்களை உருவாக்குவதற்கான செலவையும், தொழில்நுட்பத் தடைகளையும் குறைக்கும்.
தொழில்நுட்ப சிறப்புகள்
'SraVaani' மாடலானது, 'Vaani' என்ற மிகப்பெரிய டேட்டாசெட்டை அடிப்படையாகக் கொண்டது. இந்த டேட்டாசெட், இந்தியாவின் 165 மாவட்டங்களைச் சேர்ந்த 1,56,000 பேரிடம் இருந்து சுமார் 31,000 மணிநேர பேச்சுத் தரவுகளைச் சேகரித்துள்ளது. இது, இயல்பான, நிஜ வாழ்க்கை உரையாடல்களைப் பதிவு செய்வதில் கவனம் செலுத்தியது. இதன் மூலம், வழக்கமான AI அமைப்புகளால் கண்டறியப்படாத மொழிகளிலும் இந்த மாடல் சிறப்பாகச் செயல்படுகிறது. உதாரணமாக, Garo மொழி சோதனைகளில், 'SraVaani' 9.5% என்ற வார்த்தைப் பிழை விகிதத்தை (Word Error Rate) பதிவு செய்துள்ளது. இது, மற்ற அமைப்புகள் பிராந்திய மொழிகளில் சந்திக்கும் அதிகப் பிழை விகிதங்களுடன் ஒப்பிடும்போது ஒரு பெரிய முன்னேற்றமாகும்.
இந்திய AI சந்தையில் தாக்கம்
இந்திய தொழில்நுட்பத் துறைக்கு, 'SraVaani'யின் வெளியீடு 'Sovereign AI' எனப்படும் உள்நாட்டுத் தேவைகளுக்கேற்ப தொழில்நுட்பத்தை உருவாக்குவதற்கான ஒரு படியாகும். பிராந்திய நுணுக்கங்களைப் புரிந்துகொள்ளாத உலகளாவிய மாடல்களைச் சார்ந்திருப்பதை இது குறைக்கும். தானியங்கி மொழி அடையாளங்காணல் (Automated Language Identification) மூலம், டெவலப்பர்கள் விரிவான தொழில்நுட்ப நிபுணத்துவம் தேவையில்லாமல், வாய்ஸ் அம்சங்களை (Voice Features) செயலிகளில் எளிதாக ஒருங்கிணைக்க முடியும். வங்கி, மின்-ஆளுமை (e-governance), மின்-வணிகம் (e-commerce) போன்ற துறைகளில், பயனர்களை அவர்களின் தாய்மொழியில் சென்றடைவது முக்கிய வளர்ச்சி உத்தியாக இருப்பதால், இது மிகவும் பயனுள்ளதாக இருக்கும்.
கவனிக்க வேண்டிய சவால்கள்
இந்த மாடல் மிகுந்த நம்பிக்கையை அளித்தாலும், 65 வேறுபட்ட மொழிகளில் துல்லியத்தன்மையை (Accuracy) பராமரிப்பது ஒரு சிக்கலான சவாலாகவே உள்ளது. நிஜ உலகச் சூழல்களில், இரைச்சல் மிகுந்த இடங்கள் அல்லது மாறுபட்ட உச்சரிப்புகள் போன்ற காரணிகள் ஸ்பீச் ரெகக்னிஷன் கருவிகளின் செயல்திறனைப் பாதிக்கலாம். நிறுவனங்களும் டெவலப்பர்களும் 'SraVaani'யை வணிகப் பயன்பாடுகளில் சோதிக்கும்போது, பல்வேறு தரப்பினரிடமும், பல்வேறு ஆடியோ சூழல்களிலும் இந்த மாடலின் நிலைத்தன்மை (Consistency) அதன் பரவலான ஏற்றுக்கொள்ளலுக்கு முக்கிய காரணியாக இருக்கும். முதலீட்டாளர்கள் மற்றும் சந்தை ஆர்வலர்கள், இந்த ஓப்பன்-சோர்ஸ் கருவி, எதிர்காலத்தில் பிராந்திய மொழி டிஜிட்டல் சேவைகளின் உருவாக்கச் செலவை எவ்வாறு பாதிக்கிறது என்பதைக் கவனிக்கலாம்.