Introdução ao Sarvam Audio
O Sarvam Audio é uma ferramenta de inteligência artificial (IA) desenvolvida pela startup indiana Sarvam AI, projetada para transcrever mensagens e gravações de voz com alta eficiência. Essa tecnologia se destaca por oferecer suporte a 22 idiomas indianos, além do inglês, e é capaz de lidar com o code-mixing, uma prática comum em países multilíngues.
Características do Sarvam Audio
O Sarvam Audio é uma extensão do Sarvam 3B, um modelo de linguagem com 3 bilhões de parâmetros. Além de transcrever áudio em texto, a ferramenta é capaz de identificar o contexto da fala e otimizar o resultado final da transcrição. Outro diferencial é permitir que o usuário escolha o formato final do texto, com cinco modos distintos:
- Transcrição literal: registra cada palavra exatamente como foi dita
- Normalizado sem code-mixing: apresenta o texto com pontuação adequada e conversão de números falados em dígitos
- Normalizado com code-mixing: mantém o alfabeto nativo, mas preserva termos em inglês no alfabeto romano
- Saída romanizada: transcreve todo o áudio para o alfabeto romano
- Tradução inteligente: permite que o usuário fale em qualquer idioma indiano e receba a transcrição integralmente em inglês
Memória Conversacional e Múltiplos Falantes
O Sarvam Audio também utiliza memória conversacional para evitar confusão entre termos que soam de forma semelhante durante a transcrição. Além disso, a ferramenta de IA consegue identificar quem está falando em uma gravação, processando áudios de até 60 minutos e atribuindo falas a até oito participantes de uma reunião com alto nível de precisão.
Comandos Diretos e Desempenho
O Sarvam Audio oferece uma funcionalidade chamada Speech to Command, que elimina a necessidade de transcrever o áudio para, em seguida, outro modelo interpretar o texto e compreender o contexto. Em vez disso, o sistema realiza uma operação de “ponta a ponta”, sendo capaz de ouvir o áudio e extrair simultaneamente os dados técnicos e comandos necessários para executar ações de forma quase imediata.
Este conteúdo pode conter links de compra.
Fonte: link