أطلقت Sarvam AI الهندية Saaras V4، الجيل الأحدث من نموذجها للتعرّف على الكلام، ويغطّي اللغات الهندية الرسمية الـ22 كلّها إضافةً إلى الإنجليزية، وصار يشمل الآن اللهجات الإنجليزية العالمية، بحسب MarkTechPost. وتقول Sarvam إنه يحقّق أفضل دقّة في اللغات الـ22.
البنية
- نظام مرمّز ومفكّك (Encoder-Decoder): مرمّز صوتي يحوّل الموجة الصوتية إلى تمثيلات تحمل التفاصيل الصوتية.
- محوّل يقصّر هذا التسلسل زمنيًا ويُسقطه في فضاء تمثيل النموذج اللغوي، ليبقى التسجيل الطويل ضمن حدود السياق.
- المفكّك Sarvam-3B، نموذج لغوي بـ3 مليارات معامل وبنية «فضاء حالة» (State Space) هجينة، دُرّب من الصفر داخل الشركة، ويكتب النص رمزًا بعد رمز.
النتائج المعلنة
- الإنجليزية: على سبع مجموعات بيانات، ستّ منها من لوحة Open ASR على Hugging Face وواحدة للإنجليزية بلكنة هندية، سجّل النموذج أقل متوسّط لمعدّل خطأ الكلمات (WER) بين النماذج التي قارنتها Sarvam.
- اللغات الهندية: على مجموعة Vistaar لعشر لغات، استخدمت Sarvam مقياسًا إضافيًا (LLM-WER) يميّز أخطاء المعنى الحقيقية من اختلافات الإملاء والتنسيق الشائعة في الكتابات الهندية.
- الصوت المشوّش: تقول Sarvam إن نسبة الخطأ في مجموعة Kathbath Noisy أقل من نصف نسبة Deepgram Nova-3 وGPT-4o Transcribe.
الإتاحة
متاح اليوم عبر واجهة Sarvam البرمجية باسم saaras:v4. الأوزان ليست منشورة، ووثائق الاستضافة الذاتية على SageMaker تغطّي النسخة السابقة v3 فقط.
ليه ده مهم؟
التعرّف على الكلام في اللغات «الأقل تمثيلًا» ما زال ضعيفًا في النماذج العالمية، والشركات المحلية تبني نماذج متخصّصة تفهم اللغات واللهجات الإقليمية بشكل أفضل. وهو نموذج يستحقّ المتابعة للمنطقة العربية أيضًا، حيث تعاني اللهجات المختلفة من المشكلة نفسها. وكل الأرقام أعلاه من Sarvam نفسها.
المصادر: MarkTechPost — 2026-09-26
