Sarvam AI: અત્યાર સુધી આર્ટિફિશિયલ ઈન્ટેલિજન્સની દુનિયામાં અમેરિકા અને ચીનનું જ વર્ચસ્વ માનવામાં આવતું હતું. ભારતને અવારનવાર માત્ર પ્રતિભા (ટેલેન્ટ) માટેનું બજાર સમજવામાં આવતું હતું, પરંતુ કોર AI ડેવલપમેન્ટનું કેન્દ્ર નહીં. જોકે, બેંગલુરુનું સ્ટાર્ટઅપ Sarvam AI આ વિચારને ઝડપથી બદલી રહ્યું છે. કંપની ભારતમાં જ તૈયાર કરેલા તેના Sarvam AI મોડલના દમ પર હવે વૈશ્વિક ટેક દિગ્ગજોને સીધી પડકાર આપી રહી છે.
Sarvam Vision એ મોટા AI મોડલ્સને પાછળ છોડ્યા
Sarvam AI ના બે ટૂલ્સ હાલમાં ખૂબ ચર્ચામાં છે: Sarvam Vision અને Bulbul. Sarvam Vision એ એક OCR (ઓપ્ટિકલ કેરેક્ટર રેકગ્નિશન) આધારિત AI મોડલ છે, જેણે કેટલાક પસંદગીના બેન્ચમાર્ક પર ChatGPT, Google Gemini અને Anthropic Claude જેવા મોટા નામોને પાછળ છોડી દીધા છે. તેની ચોકસાઈ એટલી સારી હોવાનું કહેવાય છે કે યુઝર્સ અને AI નિષ્ણાતો તેની ખુલ્લેઆમ પ્રશંસા કરી રહ્યા છે.
બેન્ચમાર્ક સ્કોરે દુનિયાની ઉત્સુકતા વધારી
કંપનીના કો-ફાઉન્ડર પ્રત્યુષ કુમારે X (અગાઉ ટ્વિટર) પર આ સિદ્ધિઓની જાણકારી આપી છે.
olmOCR-Bench: Sarvam Vision એ 84.3 ટકા એક્યુરેસી હાંસલ કરી છે, જે Gemini 3 Pro અને DeepSeek OCR v2 જેવા મોડલ કરતા વધુ છે.
OmniDocBench v1.5: આ બેન્ચમાર્ક પર પણ Sarvam Vision એ 93.28 ટકાનો શાનદાર સ્કોર કર્યો છે.
ખાસ વાત એ રહી કે જટિલ લેઆઉટ, ટેકનિકલ ટેબલ્સ અને ગાણિતિક સૂત્રો જેવા મુશ્કેલ ભાગોમાં પણ તેનું પ્રદર્શન ઘણું મજબૂત રહ્યું, જ્યાં પરંપરાગત OCR સિસ્ટમ્સ ઘણીવાર નિષ્ફળ જાય છે.
ટીકાથી પ્રશંસા સુધીની સફર
શરૂઆતમાં Sarvam AI ને માત્ર ભારતીય ભાષાઓ (Indic Languages) પર ધ્યાન કેન્દ્રિત કરવા બદલ શંકાની નજરે જોવામાં આવતું હતું. પરંતુ હવે એ જ શંકા પ્રશંસામાં ફેરવાઈ રહી છે. ટેક નિષ્ણાતો માને છે કે Sarvam ના OCR અને સ્પીચ મોડલ્સ ભારતીય ભાષાઓ માટે અત્યંત મજબૂત છે અને તે ખાલી જગ્યા ભરે છે જેને વૈશ્વિક AI લેબ્સે અવગણી હતી.
Bulbul V3
OCR ની સાથે Sarvam AI એ તેનું નવું ટેક્સ્ટ-ટુ-સ્પીચ મોડલ Bulbul V3 પણ લોન્ચ કર્યું છે. આ AI વોઈસ ટૂલ ભારતીય ભાષાઓમાં કુદરતી અને અભિવ્યક્તિપૂર્ણ અવાજો તૈયાર કરવા પર ધ્યાન કેન્દ્રિત કરે છે.
હાલમાં Bulbul V3 માં 11 ભારતીય ભાષાઓમાં 35 થી વધુ અવાજો ઉપલબ્ધ છે.
કંપની ટૂંક સમયમાં તેને 22 ભાષાઓ સુધી વિસ્તારવાની યોજના ધરાવે છે.