Sarvam AI Speech to Text API

La API Speech to Text de Sarvam AI ofrece transcripción precisa en 22 idiomas indios, incluidos hindi, bengalí, tamil, telugu, gujarati, canarés, malayalam, marathi, punjabi, odia e inglés con acento indio. Basada en el modelo Saarika v2, satisface diversas necesidades lingüísticas manteniendo la precisión incluso en entornos de audio difíciles con ruido de fondo, conversaciones cruzadas y conexiones deficientes. La funcionalidad de diarización de hablantes identifica y etiqueta automáticamente a los distintos hablantes en el audio, lo que resulta muy valioso para transcripciones de reuniones, entrevistas y análisis de centros de llamadas. La API destaca en el manejo del cambio de código, gestionando sin problemas los cambios a mitad de frase entre hindi, inglés y lenguas regionales, una capacidad crítica para las interacciones naturales en idiomas indios. La plataforma admite múltiples formatos de audio, incluidos MP3, WAV, AAC, OGG, Opus, FLAC, M4A, AMR, WMA y WebM, lo que garantiza la compatibilidad con diversas fuentes de grabación. Tres opciones de API se adaptan a diferentes flujos de trabajo: REST API para archivos de menos de 30 segundos, Batch API para procesar hasta 1 hora con diarización completa y marcas de tiempo, y Streaming API para transcripción en tiempo real mediante WebSocket. Diseñada para la integración de desarrolladores y la escalabilidad empresarial, la API ofrece una solución flexible y lista para producción para crear aplicaciones de voz multilingües en los mercados de idiomas indios.