Sarvam AI Speech to Text API

Sarvam AI Speech to Text API обеспечивает точную транскрипцию на 22 индийских языках, включая хинди, бенгали, тамильский, телугу, гуджарати, каннада, малаялам, маратхи, панджаби, одия и английский с индийским акцентом. Построенный на модели Saarika v2, он справляется с разнообразными лингвистическими задачами, сохраняя точность даже в сложных аудиосредах с фоновым шумом, перекрёстными разговорами и нестабильным соединением. Функция диаризации спикеров автоматически определяет и маркирует разных говорящих в аудио, что делает её незаменимой для транскрипции совещаний, интервью и аналитики колл-центров. API отлично справляется с кодовым переключением, бесшовно обрабатывая переходы между хинди, английским и региональными языками в середине предложения — критически важная возможность для естественного общения на индийских языках. Платформа поддерживает множество аудиоформатов, включая MP3, WAV, AAC, OGG, Opus, FLAC, M4A, AMR, WMA и WebM, обеспечивая совместимость с различными источниками записи. Три варианта API подходят под разные сценарии: REST API для файлов короче 30 секунд, Batch API для обработки до 1 часа с полной диаризацией и таймкодами, и Streaming API для транскрипции в реальном времени через WebSocket. Разработанный для интеграции разработчиками и корпоративного масштабирования, API представляет собой гибкое, готовое к продакшену решение для создания многоязычных речевых приложений на рынках индийских языков.