ಎಐ ನಲ್ಲಿ ಗೂಗಲ್‌ ಜೆಮಿನಿ, ಚಾಟ್ ಜಿಪಿಟಿ, ಅಂಥ್ರೋಪಿಕ್‌ ಮೀರಿಸಿದ ಸರ್ವಂ ಎಐ: ಇದು ಬೆಂಗಳೂರಿನ ಸ್ಟಾರ್ಟ್‌ಅಪ್‌ ಕಂಪನಿ!

AI ಮಾದರಿಗಳ ವಿಷಯಕ್ಕೆ ಬಂದರೆ, ಮುಖ್ಯವಾಗಿ ಅಮೆರಿಕ ಮತ್ತು ಚೀನಾದ ಮೇಲೆ ಗಮನ ಕೇಂದ್ರೀಕರಿಸಲಾಗಿದೆ. ಭಾರತವು ತನ್ನ ಪ್ರಮಾಣ ಮತ್ತು ಆಳವಾದ ಪ್ರತಿಭಾನ್ವಿತ ಗುಂಪಿನ ಹೊರತಾಗಿಯೂ, ಪ್ರಮುಖ AI ಅಭಿವೃದ್ಧಿಯ ಮೂಲವಾಗಿ ವಿರಳವಾಗಿ ಕಂಡುಬಂದಿದೆ. ಆದರೆ ಬೆಂಗಳೂರು ಮೂಲದ ಸ್ಟಾರ್ಟ್ಅಪ್ ಸರ್ವಮ್ AI "ಸಾರ್ವಭೌಮ AI" ಎಂದು ಕರೆಯುವ ಮೂಲಕ ಆ ಗ್ರಹಿಕೆಯನ್ನು ಬದಲಾಯಿಸುತ್ತಿದೆ. ಕಂಪನಿಯು ಭಾರತದಲ್ಲಿ ಮೊದಲಿನಿಂದಲೂ ಮೂಲಭೂತ AI ಮಾದರಿಗಳನ್ನು ರಚಿಸುತ್ತಿದೆ. ಈ ವಾರ ಅದರ ಎರಡು ಪರಿಕರಗಳಾದ ಸರ್ವಮ್ ವಿಷನ್ ಮತ್ತು ಬುಲ್‌ಬುಲ್ ಸಾಕಷ್ಟು ಸದ್ದು ಮಾಡುತ್ತಿವೆ. ಎಲ್ಲವೂ ಸರಿಯಾದ ಕಾರಣಗಳಿಗಾಗಿ.

ಸರ್ವಮ್ ವಿಷನ್ ತನ್ನ ಪರಿಣತಿಯ ಕ್ಷೇತ್ರವಾದ ಆಪ್ಟಿಕಲ್ ಕ್ಯಾರೆಕ್ಟರ್ ರೆಕಗ್ನಿಷನ್ (OCR) ನಲ್ಲಿ ಕೆಲವು ಮಾನದಂಡಗಳಲ್ಲಿ ChatGPT, Google Gemini ಮತ್ತು Anthropic Claude ನಂತಹ ದೊಡ್ಡ ಮತ್ತು ಹೆಚ್ಚು ಮಾತನಾಡುವ AI ಮಾದರಿಗಳನ್ನು ಮೀರಿಸಿದೆ. ಇದರ ಕಾರ್ಯಕ್ಷಮತೆ ತುಂಬಾ ಉತ್ತಮವಾಗಿದೆ ಎಂದು ತೋರುತ್ತದೆ, ಅದು ಬಳಕೆದಾರರು ಮತ್ತು ತಜ್ಞರಿಂದ ಪ್ರಶಂಸೆಯನ್ನು ಗಳಿಸುತ್ತಿದೆ.

ಸರ್ವಂ AI ಸಹ-ಸಂಸ್ಥಾಪಕ ಪ್ರತ್ಯೂಷ್ ಕುಮಾರ್ ಇತ್ತೀಚೆಗೆ X ನಲ್ಲಿ ತಮ್ಮ ಪೋಸ್ಟ್‌ಗಳ ಸರಣಿಯಲ್ಲಿ ಕಂಪನಿಯ ಆಂತರಿಕ AI ಮಾದರಿಗಳಿಂದ ಇತ್ತೀಚಿನ ಸಾಧನೆಗಳ ವಿವರಗಳನ್ನು ಹಂಚಿಕೊಂಡಿದ್ದಾರೆ. ಕಂಪನಿಯ ಪ್ರಕಾರ, ಸರ್ವಂ ವಿಷನ್ olmOCR-Bench ನಲ್ಲಿ ಶೇಕಡಾ 84.3 ರಷ್ಟು ನಿಖರತೆಯ ಸ್ಕೋರ್ ಅನ್ನು ಸಾಧಿಸಿದೆ. ಈ ಸ್ಕೋರ್ ಜೆಮಿನಿ 3 ಪ್ರೊ ಮತ್ತು ಇತ್ತೀಚಿನ OCR ಮಾದರಿಗಳಾದ DeepSeek OCR v2 ಗಿಂತ ಹೆಚ್ಚಾಗಿದೆ, ಆದರೆ ChatGPT ಗಮನಾರ್ಹವಾಗಿ ಕಡಿಮೆ ಸ್ಥಾನದಲ್ಲಿದೆ.

ಇದರ ಜೊತೆಗೆ, ಸರ್ವಂ ವಿಷನ್ ಓಮ್ನಿಡಾಕ್ ಬೆಂಚ್ v1.5 ನಲ್ಲಿಯೂ ಉತ್ತಮ ಅಂಕಗಳನ್ನು ಗಳಿಸಿದೆ, ಇದು AI ವ್ಯವಸ್ಥೆಗಳು ನೈಜ-ಪ್ರಪಂಚದ ದಾಖಲೆಗಳನ್ನು ಹೇಗೆ ಓದುತ್ತವೆ ಮತ್ತು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುತ್ತವೆ ಎಂಬುದನ್ನು ಪರೀಕ್ಷಿಸುವ ಮಾನದಂಡವಾಗಿದೆ. ಇದು ಒಟ್ಟಾರೆಯಾಗಿ 93.28 ಪ್ರತಿಶತವನ್ನು ಗಳಿಸಿದೆ, ವಿಶೇಷವಾಗಿ ಸಂಕೀರ್ಣ ವಿನ್ಯಾಸಗಳು, ತಾಂತ್ರಿಕ ಕೋಷ್ಟಕಗಳು ಮತ್ತು ಗಣಿತದ ಸೂತ್ರಗಳ ಮೇಲೆ ಬಲವಾದ ಫಲಿತಾಂಶಗಳನ್ನು ಹೊಂದಿದೆ. ಸಾಂಪ್ರದಾಯಿಕ OCR ವ್ಯವಸ್ಥೆಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಗೊಂದಲಮಯ ಫಾರ್ಮ್ಯಾಟಿಂಗ್ ಮತ್ತು ದಟ್ಟವಾದ ವಿಷಯದ ಕಾರಣದಿಂದಾಗಿ ಹೆಣಗಾಡುವ ಕ್ಷೇತ್ರಗಳು ಇವು.

AI ಉಪಕರಣದ ಕಾರ್ಯಕ್ಷಮತೆ ಜಾಗತಿಕ ಗಮನವನ್ನು ಸೆಳೆದಿದೆ. ಭಾರತೀಯ-ಭಾಷಾ ಮಾದರಿಗಳ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸಿದ್ದಕ್ಕಾಗಿ ಈ ಹಿಂದೆ ಪ್ರಶ್ನಿಸಲ್ಪಟ್ಟ ಸರ್ವಂ, ಈಗ ಸಂದೇಹವು ಅನುಮೋದನೆಯಾಗಿ ಬದಲಾಗುವುದನ್ನು ನೋಡುತ್ತಿದೆ.

ಸಣ್ಣ ಭಾರತೀಯ ಭಾಷಾ ಮಾದರಿಗಳನ್ನು ನಿರ್ಮಿಸುವ ಮೌಲ್ಯವನ್ನು ಈ ಹಿಂದೆ ಪ್ರಶ್ನಿಸಿದ್ದ ಟೆಕ್ ನಿರೂಪಕ ಡೀಡಿ ದಾಸ್, ಇತ್ತೀಚೆಗೆ ತಾನು ಕಂಪನಿಯನ್ನು ಕಡಿಮೆ ಅಂದಾಜು ಮಾಡಿದ್ದೇನೆ ಎಂದು ಒಪ್ಪಿಕೊಂಡರು. X ನಲ್ಲಿನ ಪೋಸ್ಟ್‌ನಲ್ಲಿ, ದಾಸ್ ಅವರು ಭಾರತೀಯ ಭಾಷೆಗಳಿಗೆ ಸರ್ವಮ್‌ನ OCR ಮತ್ತು ಭಾಷಣ ಮಾದರಿಗಳು ಪ್ರಬಲವಾಗಿವೆ ಮತ್ತು ದೊಡ್ಡ ಜಾಗತಿಕ AI ಪ್ರಯೋಗಾಲಯಗಳು ಹೆಚ್ಚಾಗಿ ನಿರ್ಲಕ್ಷಿಸಿರುವ ಅಂತರವನ್ನು ತುಂಬುತ್ತವೆ ಎಂದು ಹೇಳಿದರು.

“ನಾನು ಸರ್ವಮ್ ಬಗ್ಗೆ ತಪ್ಪಾಗಿ ಭಾವಿಸಿದ್ದೆ. ಒಂದು ವರ್ಷದ ಹಿಂದೆ ನಾನು ಅವರ ಬಗ್ಗೆ ಬರೆದಾಗ, ಸಣ್ಣ ಭಾರತೀಯ ಭಾಷಾ ಮಾದರಿಗಳಿಗೆ ತರಬೇತಿ ನೀಡುವ ನಿರ್ದೇಶನ ತಪ್ಪಾಗಿದೆ ಎಂದು ನನಗೆ ಅನಿಸಿತು. ಆದರೆ ಹುಡುಗ, ಅವರು ಅದನ್ನು ತಿರುಗಿಸಿದ್ದಾರೆಯೇ,” ಅವರು ಬರೆದಿದ್ದಾರೆ. “ಅವರು ಭಾರತೀಯ ಭಾಷೆಗಳಿಗೆ ಅತ್ಯುತ್ತಮ ಪಠ್ಯದಿಂದ ಭಾಷಣ, ಭಾಷಣದಿಂದ ಪಠ್ಯ ಮತ್ತು OCR ಮಾದರಿಗಳನ್ನು ಹೊಂದಿದ್ದಾರೆ, ಮತ್ತು ಅದು ನಿಜವಾಗಿಯೂ ಮೌಲ್ಯಯುತವಾಗಿದೆ. ಬೆಲೆ ನಿಗದಿ ತುಂಬಾ ಸಮಂಜಸವಾಗಿದೆ.”

ಬಳಕೆದಾರರಿಂದಲೂ ಪ್ರಶಂಸೆ ಬಂದಿದೆ. ಒಬ್ಬ ಬಳಕೆದಾರರು ಸರ್ವಮ್‌ನ ಮಾದರಿಗಳೊಂದಿಗೆ ತಮ್ಮ ಅನುಭವದ ಬಗ್ಗೆ ಮಾತನಾಡಿದರು ಮತ್ತು ಬರೆದರು, “ನಾನು ಇದನ್ನು ಒಂದೆರಡು ದಿನಗಳ ಹಿಂದೆ ಬಳಸಿದ್ದೇನೆ! ಓಹ್ ಮ್ಯಾನ್ ವಾವ್.”

OCR ಪರಿಕರದ ಜೊತೆಗೆ, ಸರ್ವಮ್ ಬುಲ್‌ಬುಲ್ V3 ಎಂಬ ತನ್ನ ಹೊಸ AI ಧ್ವನಿ ಮಾದರಿಯನ್ನು ಸಹ ಬಿಡುಗಡೆ ಮಾಡಿದೆ. ಇದು ಟೆಕ್ಸ್ಟ್-ಟು-ಸ್ಪೀಚ್ AI ಮಾದರಿಯಾಗಿದ್ದು, ಇದು AI ಬಳಸಿ ಆಡಿಯೊವನ್ನು ಉತ್ಪಾದಿಸುವ ಗುರಿಯನ್ನು ಹೊಂದಿದೆ. ಒಂದು ರೀತಿಯಲ್ಲಿ ಇದು ಈ ಕ್ಷೇತ್ರದಲ್ಲಿ ಅತ್ಯುತ್ತಮವೆಂದು ಪರಿಗಣಿಸಲಾದ ಕಂಪನಿಯಾದ ಎಲೆವೆನ್‌ಲ್ಯಾಬ್ಸ್ ನೀಡುವ AI ಪರಿಕರಗಳಿಗೆ ಹೋಲುತ್ತದೆ.

“ಇಂದು ನಾವು ಭಾರತೀಯ ಭಾಷೆಗಳಿಗೆ ನೈಸರ್ಗಿಕ, ಅಭಿವ್ಯಕ್ತಿಶೀಲ ಮತ್ತು ಉತ್ಪಾದನೆಗೆ ಸಿದ್ಧವಾದ ಧ್ವನಿಗಳನ್ನು ನೀಡಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾದ ನಮ್ಮ ಅತ್ಯಂತ ಸಮರ್ಥ ಪಠ್ಯ-ಭಾಷಣ ಮಾದರಿಯಾದ ಬುಲ್‌ಬುಲ್ V3 ಅನ್ನು ಬಿಡುಗಡೆ ಮಾಡುತ್ತಿದ್ದೇವೆ” ಎಂದು ಸರ್ವಮ್ ಬ್ಲಾಗ್ ಪೋಸ್ಟ್‌ನಲ್ಲಿ ಗಮನಿಸಿದರು. “ಬಲ್‌ಬುಲ್ V3 ವೈಫಲ್ಯ ವಿಧಾನಗಳನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ, ಭಾರತ-ನಿರ್ದಿಷ್ಟ ಬಳಕೆಯ ಸಂದರ್ಭಗಳಿಗೆ ಮುಖ್ಯವಾದ ಇನ್‌ಪುಟ್‌ಗಳಲ್ಲಿ ವಿಷಯ-ನಿಖರವಾದ, ಸ್ಥಿರವಾದ ಭಾಷಣವನ್ನು ನೀಡುತ್ತದೆ.”

ಪ್ರಸ್ತುತ, ಈ ಉಪಕರಣವು 11 ಭಾರತೀಯ ಭಾಷೆಗಳಲ್ಲಿ 35 ಕ್ಕೂ ಹೆಚ್ಚು ಧ್ವನಿಗಳನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆ. ಭಾಷಾ ಬೆಂಬಲವನ್ನು ಒಟ್ಟು 22 ಭಾಷೆಗಳಿಗೆ ವಿಸ್ತರಿಸುವ ಯೋಜನೆ ಇದೆ ಎಂದು ಕಂಪನಿ ಹೇಳುತ್ತದೆ.

ಬುಲ್‌ಬುಲ್ ಕೂಡ ಸ್ವಲ್ಪ ಪ್ರಶಂಸೆಯನ್ನು ಗಳಿಸುತ್ತಿದೆ. ಕಿಸ್ಸಾನ್‌ಎಐ ಸಂಸ್ಥಾಪಕ ಪ್ರತೀಕ್ ದೇಸಾಯಿ ಎಕ್ಸ್‌ನಲ್ಲಿ ಬರೆದಿದ್ದಾರೆ, “ನಾವು ನಮ್ಮ ಇಂಡಿಕ್ ಬಳಕೆಯ ಸಂದರ್ಭಗಳಿಗೆ ಬುಲ್‌ಬುಲ್ ಅನ್ನು ನಮ್ಮ ಗೋ-ಟು ಟಿಟಿಎಸ್ ಮಾದರಿಯಾಗಿ ಬಳಸುತ್ತೇವೆ ಮತ್ತು ಅವು ಪ್ರತಿ ಬಿಡುಗಡೆಯೊಂದಿಗೆ ಉತ್ತಮಗೊಂಡಿವೆ. ಏತನ್ಮಧ್ಯೆ, ಇಲೆವೆನ್‌ಲ್ಯಾಬ್‌ಗಳ ಬೆಲೆ ಇಂಡಿಕ್ ಅಥವಾ ಯಾವುದೇ ಇತರ ಭಾಷೆಗಳಿಗೆ ಎಂದಿಗೂ ಅರ್ಥವಾಗಲಿಲ್ಲ.”

ವಿಶೇಷ ಸೂಚನೆ: ಎಲ್ಲಾ DTH & Cableನಲ್ಲಿ ನ್ಯೂಸ್​ಫಸ್ಟ್​ ಚಾನೆಲ್​​​ ಲಭ್ಯ.