Як індійський стартап Sarvam AI змінює гру у світі штучного інтелекту
Зазвичай, коли йдеться про моделі штучного інтелекту, на думку одразу спадають США та Китай. Індія, незважаючи на масштаб і величезний потенціал талановитих спеціалістів, рідко асоціюється з розробкою базових AI-технологій. Однак стартап зі столиці індійської ІТ-індустрії, Бангалору, Sarvam AI кардинально змінює цей стереотип, створюючи те, що вони називають «суверенним штучним інтелектом». Компанія розробляє фундаментальні AI-моделі з нуля прямо в Індії. Цього тижня увагу всього світу прикували два їхні інструменти — Sarvam Vision і Bulbul. І причина цьому більш ніж переконлива.
Sarvam Vision: прорив у сфері розпізнавання тексту
Ця модель демонструє неймовірні результати в області оптичного розпізнавання символів (OCR), обганяючи навіть такі гіганти, як ChatGPT, Google Gemini та Anthropic Claude, за певними критеріями. Показники точної роботи Sarvam Vision справляють враження і користувачів, і експертів.
Ось деякі здобутки Sarvam Vision, зокрема:
- 84,3% точності на тесті olmOCR-Bench — цей результат переважає Gemini 3 Pro та інші сучасні OCR-моделі, наприклад, DeepSeek OCR v2;
- відмінна продуктивність на OmniDocBench v1.5, який оцінює як AI зчитує і розуміє справжні документи;
- 93,28% загальної точності, особливо видатні показники у роботі з складними макетами, технічними таблицями та математичними формулами — саме там традиційні системи OCR найчастіше підводять через зовнішній безлад та насиченість інформації.
Схвалення світових експертів та користувачів
Результати Sarvam Vision вже не залишилися непоміченими: команда, що раніше стикалася зі скептицизмом через акцент на індійських мовах, тепер бачить повне визнання.
Відомий техноаналітик Діді Дас, який раніше сумнівався в доцільності розвитку локалізованих AI-моделей для індійських мов, тепер відкрито визнає помилку.
Він зазначив, що:
- Sarvam пропонує найкращі моделі для перетворення тексту в мову, мови в текст та OCR для індійських мов;
- Ці технології закривають прогалину, на яку раніше глобальні AI-гіганти не звертали уваги;
- Цінова політика є дуже розумною, що робить продукти доступними не лише для великих корпорацій.
Водночас, користувачі не приховують захвату від нового інструменту, повідомляючи, що робота з Sarvam Vision справді справляє глибоке враження.
Bulbul V3: голос штучного інтелекту для індійських мов
Крім OCR-моделі, Sarvam представив власну голосову AI-модель Bulbul V3. Це інструмент для перетворення тексту у мову, який змагається з найкращими світовими аналогами, наприклад, продуктами ElevenLabs.
Що важливо знати про Bulbul V3:
- Текст озвучується натуральним, виразним голосом, готовим для використання в різноманітних професійних та комерційних контекстах;
- Компанія максимально зменшила помилки і неточності у вимові та передачі змісту, адаптуючи модель під потреби індійського ринку;
- Зараз підтримується понад 35 голосів для 11 індійських мов, а найближчим часом список розшириться до 22 мов.
Таким чином, Bulbul V3 стає незамінним помічником для бізнесів та розробників, що працюють з локалізованими голосовими технологіями. Засновник KissanAI, Пратик Десай, відзначає, що ця модель значно випереджає конкуренцію в частині якості й доступності — порівняно з ElevenLabs, яка не має сенсу у контексті індійських мов.
Нові горизонти індійського штучного інтелекту
Зараз стартап Sarvam AI впевнено підкорює глобальний ринок, демонструючи, що Індія здатна не просто конкурувати, а й провокувати революції у сфері AI. Їхні напрацювання у галузі розпізнавання тексту і голосу відкривають нові можливості для розробників, бізнесів і кінцевих користувачів, які шукають якісне, адекватне та доступне рішення для індійського мовного простору.
