Sarvam AI Speech to Text API

Die Speech to Text API von Sarvam AI liefert präzise Transkriptionen in 22 indischen Sprachen, darunter Hindi, Bengali, Tamil, Telugu, Gujarati, Kannada, Malayalam, Marathi, Punjabi, Oriya und Englisch mit indischem Akzent. Basierend auf dem Saarika-v2-Modell deckt sie vielfältige sprachliche Anforderungen ab und gewährleistet hohe Genauigkeit selbst in anspruchsvollen Audio-Umgebungen mit Hintergrundgeräuschen, Übersprechen und schlechter Verbindungsqualität. Die Sprecherdiarisierung erkennt und beschriftet automatisch verschiedene Sprecher in Audiodateien und ist dadurch besonders wertvoll für die Transkription von Meetings, Interviews und Callcenter-Analysen. Die API meistert Code-Mixing souverän und verarbeitet nahtlos Sprachwechsel mitten im Satz zwischen Hindi, Englisch und regionalen Sprachen – eine entscheidende Fähigkeit für natürliche Interaktionen in indischen Sprachen. Die Plattform unterstützt mehrere Audioformate, darunter MP3, WAV, AAC, OGG, Opus, FLAC, M4A, AMR, WMA und WebM, und gewährleistet so Kompatibilität mit unterschiedlichsten Aufnahmequellen. Drei API-Optionen decken verschiedene Workflows ab: die REST API für Dateien unter 30 Sekunden, die Batch API zur Verarbeitung von bis zu einer Stunde mit vollständiger Diarisierung und Zeitstempeln sowie die Streaming API für Echtzeit-Transkription über WebSocket. Die API ist auf Entwickler-Integration und Skalierbarkeit auf Unternehmensniveau ausgelegt und bietet eine flexible, produktionsreife Lösung für die Entwicklung mehrsprachiger Sprachanwendungen im indischen Sprachmarkt.