आर्टिफिशियल इंटेलिजेंस (AI) की वैश्विक दौड़ में भारत अब पीछे नहीं है। जहां पूरी दुनिया में ओपनएआई (OpenAI) के ChatGPT और गूगल के Gemini का शोर है, वहीं बेंगलुरु स्थित स्टार्टअप ‘सर्वम एआई’ (Sarvam AI) ने अपनी धाक जमा ली है। यह भारतीय स्टार्टअप न केवल इन वैश्विक दिग्गजों को टक्कर दे रहा है, बल्कि डिजिटलीकरण और भाषा समझ के मामले में कई पायदान आगे भी निकल गया है।

सर्वम विजन: सटीकता का नया नाम सर्वम एआई के सह-संस्थापक प्रत्यूष कुमार के अनुसार, ‘सर्वम विजन’ एक 3 बिलियन पैरामीटर वाला विजन लैंग्वेज मॉडल है। यह जटिल चार्ट, इमेज कैप्शनिंग और टेक्स्ट पहचान जैसे कार्यों में 84.3 प्रतिशत तक सटीक पाया गया है। इसने जेमिनी 3 प्रो और डीपसीक जैसे मॉडलों को भी पीछे छोड़ दिया है। OmniDocBench v1.5 में इसने 93.28 प्रतिशत स्कोर किया है, जो जटिल फार्मूले और लेआउट को आसानी से हल कर सकता है। सबसे बड़ी बात यह है कि यह 22 भारतीय भाषाओं को सपोर्ट करता है।

‘बुलबुल v3’ की मधुर आवाज: सर्वम का एक और क्रांतिकारी मॉडल ‘बुलबुल v3’ (Bulbul v3) है। यह एक ‘टेक्स्ट टू स्पीच’ मॉडल है जो विभिन्न भारतीय भाषाओं में उच्च गुणवत्ता वाली आवाजें तैयार करता है। वर्तमान में यह 11 भारतीय भाषाओं में 35 आवाजों को सपोर्ट करता है और जल्द ही सभी 22 आधिकारिक भारतीय भाषाओं में उपलब्ध होगा। इसकी आवाज इतनी स्वाभाविक है कि मानवीय और एआई आवाज में फर्क करना मुश्किल हो जाता है।

भारतीय भाषाओं की बारीकियों को समझने और कम संसाधनों में बेहतर प्रदर्शन करने के कारण ‘सर्वम एआई’ अब दुनिया भर के तकनीकी विशेषज्ञों की पहली पसंद बनता जा रहा है। यह स्टार्टअप साबित करता है कि भारत अब एआई की दुनिया में केवल एक उपभोक्ता नहीं, बल्कि एक शक्तिशाली निर्माता बनकर उभर रहा है।