Sarvam AIは、インドのSarvamが提供する、インドの言語向けの音声・翻訳・文書処理・言語モデルをまとめたAIプラットフォームです。モデルの開発から運用までをインド国内で行う「ソブリンAI」を掲げています。

主な機能

APIでは、音声合成のBulbul v3（11のインド言語）、インドのなまりや言語の切り替えに強い音声認識のSaaras v3、英語を介さずインドの言語同士を直接訳すMayura、文書のOCRと構造化を行うSarvam Visionを使えます。自社開発の大規模言語モデルSarvam 105BとSarvam 30Bもあり、オープンウェイトのSarvam-MはHugging Faceで公開されています。Python SDKとREST API、ブラウザで試せるPlaygroundが用意されています。

企業向け製品

回収業務・カスタマーサポート・本人確認などを電話やWhatsAppで自動化するVoice Agents、動画の吹き替えや字幕を作るStudio、業務フローを自動化するArya、文書をデジタル化するDoc Agentsがあります。クラウド、専用クラウド、オンプレミスから導入形態を選べ、SOC 2 Type IIとISO 27001に対応します。

料金

APIは無料クレジットから始めて、使った分だけ支払う従量課金です。音声合成は1,000文字あたり3ルピー、音声認識は1時間あたり30ルピーなどで、大量利用向けのEnterpriseは個別見積です。対応はインドの言語が中心で、日本語の音声や画面は案内されていません。