भारतीय स्टार्टअप्स अब सिर्फ ग्लोबल ट्रेंड्स को फॉलो नहीं कर रहे, बल्कि उन्हें लीड भी कर रहे हैं। बेंगलुरु के AI स्टार्टअप Sarvam AI ने अपने दो रिवोल्यूशनरी टूल्स ‘Sarvam Vision’ और ‘Bulbul v3’ के साथ ग्लोबल टेक एक्सपर्ट्स की नींद उड़ा दी है। खास बात ये है कि इन मॉडल्स ने एक्युरेसी के मामले में Google के Gemini और OpenAI के ChatGPT को भी पछाड़ दिया है।
Sarvam Vision: सरकारी कागजों का ‘एक्स-रे’
डिजिटलाइजेशन के दौर में पुराने और हाथ से लिखे कागजों को समझना सबसे बड़ी चुनौती रही है। ‘Sarvam Vision’ इसी समस्या का सलूशन है। olmOCR-बेंचमार्क पर इस मॉडल ने 84.3% की सटीकता दिखाई है, जो ग्लोबल लीडर्स (Gemini 1.5 Pro और GPT-4o) से कहीं ज्यादा है। चाहे वो बैंक की पासबुक हो, सरकारी फॉर्म हो या हाथ से लिखी कोई रसीद, ये मॉडल भारतीय भाषाओं के पेचीदा फॉर्मेट्स को चुटकियों में डिकोड कर देता है।
रोबोटिक आवाज़ को कहें अलविदा!
क्या आपने कभी सोचा है कि AI आपकी भाषा आपके ही लहजे यानि एक्सेंट में बोले? Bulbul v3 यही कर रहा है। यह सिर्फ आवाज़ नहीं, बल्कि इमोशन और सही उच्चारण पकड़ता है। इसमें 11 भारतीय भाषाओं के लिए 35 से ज्यादा प्रीमियम आवाजें हैं।
हम भारतीय अक्सर “शुद्ध” भाषा के बजाय ‘हिंग्लिश’ या ‘तमिलिश’ बोलते हैं। Bulbul v3 इस कोड-मिक्सिंग को बिना अटके एकदम नेचुरल तरीके से बोलता है।
भारत का डेटा, भारत का गौरव
सह-संस्थापक विवेक राघवन और प्रत्युष कुमार का विजन एकदम क्लियर है “Sovereign AI”। इसका मतलब है कि भारत को अपने डेटा और AI जरूरतों के लिए विदेशी कंपनियों का मुंह नहीं देखना पड़ेगा।
डेवलपर्स के लिए Sarvam AI ने अपना ‘Document Intelligence API’ फरवरी 2026 तक बिल्कुल फ्री कर दिया है। ये कदम भारत के टेक इकोसिस्टम के लिए ‘गेम-चेंजर’ साबित हो सकता है।
Gemini का टेक-टेक
जहाँ ग्लोबल मॉडल्स “वन साइज़ फिट्स ऑल” (सबके लिए एक जैसा) एप्रोच अपनाते हैं, वहीं Sarvam AI ने “लोकल फॉर वोकल” को हकीकत में बदला है। बैंकिंग, एजुकेशन और ई-गवर्नेंस में ये तकनीक आने वाले समय में रीढ़ की हड्डी साबित होगी।
