Sarvam AI Speech to Text API

A API Speech to Text da Sarvam AI oferece transcrição precisa em 22 línguas indianas, incluindo hindi, bengali, tâmil, telugu, gujarati, canarim, malaiala, marata, panjabi, odia e inglês com sotaque indiano. Construída sobre o modelo Saarika v2, responde a necessidades linguísticas diversificadas mantendo a precisão mesmo em ambientes áudio desafiantes com ruído de fundo, conversas cruzadas e ligações fracas. A funcionalidade de identificação de falantes reconhece e etiqueta automaticamente diferentes interlocutores no áudio, tornando-se muito útil para transcrições de reuniões, entrevistas e análises de centros de atendimento. A API destaca-se no tratamento de code-mixing, gerindo de forma fluida as mudanças a meio da frase entre hindi, inglês e línguas regionais — uma capacidade essencial para interações naturais em línguas indianas. A plataforma suporta vários formatos de áudio, incluindo MP3, WAV, AAC, OGG, Opus, FLAC, M4A, AMR, WMA e WebM, assegurando compatibilidade com diversas fontes de gravação. Três opções de API adaptam-se a diferentes fluxos de trabalho: REST API para ficheiros com menos de 30 segundos, Batch API para processar até 1 hora com identificação completa de falantes e marcas temporais, e Streaming API para transcrição em tempo real via WebSocket. Concebida para integração por programadores e escalabilidade empresarial, a API oferece uma solução flexível e pronta para produção na criação de aplicações de voz multilíngues nos mercados de línguas indianas.