భారతీయ AI స్టార్టప్ సార్వం AI తన తాజా మోడల్స్ (సార్వం విజన్, బుల్బుల్ V3) భారతీయ భాషల డాక్యుమెంట్ అవగాహన, OCR బెంచ్మార్క్ల్లో ChatGPT, Google Geminiని మించాయని ఇవాళ ప్రకటించింది. ఈ మోడల్స్ ఇంగ్లీష్, 22 భారతీయ భాషల (హిందీ, తెలుగు, తమిళం, మలయాళం మొ.) డాక్యుమెంట్లలో 85%+ యాక్యురసీ సాధించి, olmOCR-Bench, Indic OCR బెంచ్లలో టాప్ స్కోర్లు నమోదు చేశాయి. మల్టీ-స్క్రిప్ట్ డాక్యుమెంట్లు, టేబుల్స్, మిక్స్డ్-లేఅవుట్ పేజీలలో గ్లోబల్ మోడల్స్పై మెరిసిన సార్వం, భారతీయ కాంటెక్స్ట్కు ‘సార్వభౌమ AI’గా నిలిచింది.
సార్వం విజన్ (3B పారామీటర్ విజన్-లాంగ్వేజ్ మోడల్) రియల్, సింథటిక్ డాక్యుమెంట్లు (పాఠ్యపుస్తకాలు, ఫైనాన్షియల్ రికార్డులు, పత్రికలు, చారిత్రక మెటీరియల్)పై శిక్షణ పొంది, లేఅవుట్ పార్సింగ్, రీడింగ్ ఆర్డర్ డిటెక్షన్లో టాప్ పెర్ఫార్మెన్స్ చూపించింది. ఇది స్కాన్డ్ డాక్యుమెంట్లు, ఫార్మ్స్, మిక్స్డ్-లాంగ్వేజ్ కంటెంట్ను ఖచ్చితంగా అర్థం చేసుకుని, భారతీయ కంపెనీలకు ప్రాక్టికల్ సొల్యూషన్గా మారింది. బుల్బుల్ V3 వాయిస్ జెనరేషన్లో కూడా భారతీయ యాక్సెంట్తో మెరిసింది.
సార్వం AI తన మోడల్స్ను API ద్వారా అందుబాటులోకి తెచ్చి, OCR, స్పీచ్ సింథెసిస్, ట్రాన్స్లేషన్ వంటి టాస్క్-స్పెసిఫిక్ సిస్టమ్స్పై ఫోకస్ చేసింది. ఫిబ్రవరి 16 నుంచి ఢిల్లీలో జరిగే India AI Impact Summitలో డెమో చేస్తూ, స్వదేశీ AI కాంపోనెంట్స్ను ప్రదర్శిస్తుంది. భారతీయ డేటా సార్వభౌమత్వం, మల్టీలింగ్వల్ సపోర్ట్తో గ్లోబల్ మోడల్స్కు సవాలు విసిరిన సార్వం, భారత AI ఎకోసిస్టమ్కు గర్వకారణంగా మారింది.
