Sarvam AI : మార్కెట్ లోకి ఇండియన్ ఏఐ, మేడ్ ఇన్ ఇండియా ముద్రతో షేక్

ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) అంటే ఇప్పటివరకు ప్రపంచం గుర్తుచేసుకునేది అమెరికా, చైనా దేశాలనే. గూగుల్, ఓపెన్‌ ఏఐ, మైక్రోసాఫ్ట్ వంటి దిగ్గజాలే ఏఐ రంగాన్ని శాసిస్తున్నాయన్న భావన బలంగా ఉంది. భారత్‌లో ప్రతిభ, మేధస్సు ఉన్నా... కోర్ ఏఐ డెవలప్‌మెంట్‌లో వెనుకబడిందనే విమర్శలు చాలాకాలంగా వినిపించాయి.

కానీ ఇప్పుడు ఆ అభిప్రాయాన్ని పూర్తిగా తలకిందులు చేస్తూ, బెంగళూరుకు చెందిన సర్వం ఏఐ (Sarvam AI) అనే స్టార్టప్ ప్రపంచ టెక్ వర్గాల దృష్టిని ఆకర్షిస్తోంది.

భారత్‌లోనే, భారతీయ అవసరాలకు అనుగుణంగా సావరీన్ ఏఐ (Sovereign AI) నిర్మిస్తున్నట్లు సర్వం ఏఐ ప్రకటించింది. ఈ వారం విడుదల చేసిన రెండు కీలక టూల్స్-సర్వం విజన్ (Sarvam Vision), బుల్‌బుల్ (Bulbul)-ప్రపంచ ఏఐ మార్కెట్‌లో ప్రకంపనలు సృష్టిస్తున్నాయి. కొన్ని విభాగాల్లో అయితే, ఇవి గూగుల్, ఓపెన్‌ఏఐ వంటి గ్లోబల్ దిగ్గజాల మోడళ్లను కూడా మించి పనితీరు చూపించడం విశేషం.

Sarvam AI OCRలో ప్రపంచ దిగ్గజాలకు షాక్!

డాక్యుమెంట్లలోని అక్షరాలను గుర్తించే ఆప్టికల్ క్యారెక్టర్ రికగ్నిషన్ (OCR) విభాగంలో సర్వం విజన్ అసాధారణ ప్రతిభ కనబరుస్తోంది. ఇప్పటివరకు ఈ రంగంలో ముందున్న ChatGPT, Google Gemini, Anthropic Claude వంటి పెద్ద మోడళ్లను వెనక్కి నెట్టడం విశ్లేషకులను ఆశ్చర్యానికి గురి చేసింది.

సర్వం ఏఐ సహ-వ్యవస్థాపకుడు ప్రత్యూష్ కుమార్ వెల్లడించిన వివరాల ప్రకారం, olmOCR-Bench పరీక్షలో సర్వం విజన్ 84.3% ఖచ్చితత్వం సాధించింది. ఇది గూగుల్ జెమిని 3 ప్రో, డీప్‌సీక్ OCR v2 కంటే ఎక్కువ స్కోర్ కావడం గమనార్హం. అదే పరీక్షలో చాట్‌జీపీటీ ర్యాంక్ చాలా తక్కువగా నమోదైంది.

క్లిష్టమైన డాక్యుమెంట్లలోనూ మేటి

సాధారణ అక్షరాలే కాదు... క్లిష్టమైన లేఅవుట్లు, టెక్నికల్ టేబుల్స్, గణిత సూత్రాలు ఉన్న డాక్యుమెంట్లను కూడా సర్వం విజన్ సులభంగా చదువుతోంది. వాస్తవ ప్రపంచ డాక్యుమెంట్లను ఏఐ ఎంత సమర్థంగా అర్థం చేసుకుంటుందో పరీక్షించే OmniDoc Bench v1.5 లో ఈ టూల్ 93.28% స్కోర్ సాధించింది. సాధారణంగా సంప్రదాయ OCRలకు సవాలుగా మారే పేలవమైన ఫార్మాటింగ్ ఉన్న పత్రాల్లోనూ సర్వం విజన్ దూసుకుపోతోంది.

విమర్శల నుంచి ప్రశంసల దాకా...

గతంలో సర్వం ఏఐ భారతీయ భాషలపై దృష్టి పెట్టడాన్ని కొందరు విమర్శించారు. కానీ తాజా ఫలితాలతో ఆ విమర్శలన్నీ మౌనమయ్యాయి. ప్రముఖ టెక్ విశ్లేషకుడు డీడీ దాస్ తన అభిప్రాయాన్ని మార్చుకుంటూ,
"సర్వం విషయంలో నేను తప్పుగా అంచనా వేశాను. వారి ఇండిక్ మోడళ్లు ఇప్పుడు నిజంగా విలువైనవిగా మారాయి" అంటూ బహిరంగంగా ప్రశంసించారు. తక్కువ ధరల్లో అత్యుత్తమ టెక్స్ట్-టు-స్పీచ్, స్పీచ్-టు-టెక్స్ట్, OCR సేవలు అందిస్తున్నారని ఆయన పేర్కొన్నారు.

'బుల్‌బుల్'తో భారతీయ భాషలకు కొత్త శ్వాస

సర్వం ఏఐ విడుదల చేసిన మరో కీలక టూల్ బుల్‌బుల్ v3. ఇది టెక్స్ట్‌ను సహజమైన వాయిస్‌గా మార్చే ఆధునిక టెక్స్ట్-టు-స్పీచ్ మోడల్. ఈ రంగంలో ప్రఖ్యాతమైన ElevenLabs వంటి కంపెనీలకు గట్టి పోటీగా బుల్‌బుల్ నిలుస్తోంది.

ప్రస్తుతం బుల్‌బుల్ 11 భారతీయ భాషల్లో 35కి పైగా వాయిస్‌లకు మద్దతు ఇస్తోంది. భవిష్యత్తులో ఈ పరిధిని 22 భాషల వరకు విస్తరించాలన్నది సంస్థ లక్ష్యం. భారతీయ ఫాంట్లు, భావప్రధాన ఉచ్చారణకు అనుగుణంగా రూపొందించడంతో ఇది వినియోగదారుల ప్రశంసలు అందుకుంటోంది.

'ఇండియన్ ఏఐ'పై మారుతున్న ప్రపంచ దృష్టి

కిసాన్ ఏఐ వ్యవస్థాపకుడు ప్రతీక్ దేశాయ్ మాట్లాడుతూ, "ఇండిక్ అవసరాలకు మేము బుల్‌బుల్‌ను ప్రధానంగా వాడుతున్నాం. ప్రతి అప్‌డేట్‌తో వారు మరింత మెరుగవుతున్నారు" అని అన్నారు. సాధారణ వినియోగదారులు కూడా "వావ్... ఇది నిజంగా అద్భుతం" అంటూ స్పందిస్తున్నారు.

సర్వం ఏఐ విజయాలు ఒక విషయం స్పష్టంగా చెబుతున్నాయి. భారత్ ఇక కేవలం ఏఐ వినియోగదారుడే కాదు... ఏఐ సృష్టికర్తగా కూడా ప్రపంచానికి సవాల్ విసురుతోంది. 'మేడ్ ఇన్ ఇండియా' ముద్రతో, భారతీయ అవసరాలకు తగ్గ సావరీన్ ఏఐ నిర్మాణం దేశ టెక్ భవిష్యత్తుకు కొత్త దిశను చూపిస్తోంది.

English summary

India enters the core AI race as Bengaluru-based Sarvam AI builds a sovereign AI model, outperforming Google, OpenAI and others in OCR and Indian language voice technology.