भारत: इंडियाएआई मिशन के सहयोग से चलने वाली भारतीय एआई रिसर्च लैब चैरियट ने ऐसा स्पीच मॉडल जारी किया है, जो वाक्य को बोलने से पहले उसका मतलब समझता है। यह 11 भारतीय भाषाओं के अलावा अंग्रेजी में भी काम करता है।
मॉडल का नाम चैरियट-1-टीटीएस-मल्टीलिंगुअल है। इसमें 50 से ज्यादा आवाजें हैं और एक ही वाक्य के भीतर दो समर्थित भाषाओं के बीच बदला जा सकता है। कुछ सेकंड की संदर्भ आवाज से किसी की आवाज क्लोन की जा सकती है। कंपनी का कहना है कि इसे भारतीय पाठ की असली उलझनों के लिए बनाया गया है: कोड-मिक्सिंग, अंक, संक्षेप और मिली-जुली भाषा, जहां ज्यादातर स्पीच सिस्टम फिसल जाते हैं।
कंपनी ने अपने आंकड़े सामने रखे। हिंदी की समझ परीक्षा में इसकी कैरेक्टर एरर दर 7.60% रही, जबकि एलेवनलैब्स v3 की 8% और सर्वम बुलबुल v3 की 8.21% रही। नौ अन्य भारतीय भाषाओं में औसत 6.47% रहा, जबकि सर्वम बुलबुल v3 का 6.87% और एलेवनलैब्स v3 का 8.38% रहा। अंग्रेजी वर्बलाइजेशन बेंचमार्क पर, जिसमें 40 से ज्यादा श्रेणियों के एक हजार से ज्यादा वाक्य हैं और जिनमें रकम, तारीख, वेबसाइट पते, रासायनिक सूत्र और शेयर टिकर शामिल हैं, कंपनी ने 93.78% सटीकता बताई। ऑडियो गुणवत्ता के स्वचालित मापक निस्का पर उसका स्कोर 4.901 रहा, जबकि एलेवनलैब्स v3 का 4.896।
चैरियट ने कहा कि ये नतीजे उसके अपने मूल्यांकन के हैं और अलग-अलग बेंचमार्क पर प्रतिस्पर्धी मॉडल के संस्करण व दायरा अलग थे। स्वतंत्र परीक्षण अभी सार्वजनिक नहीं हुए हैं।
लैब उन पहली चार टीमों में है जिन्हें इंडियाएआई मिशन के तहत चुना गया, जो देश में फाउंडेशन मॉडल बनाने का सरकारी कार्यक्रम है।
भारतीय भाषाओं में एआई की सबसे कड़ी परीक्षा आवाज में ही होती है। मराठी में लोन की रकम पढ़ता वॉइस एजेंट, बांग्ला में रेलवे की घोषणा, ऐसा हेल्पलाइन जिसे पॉलिसी नंबर सही बोलना है। इनमें से हर जगह मॉडल की एक चूक साफ सुनाई देती है।
कैरेक्टर एरर दर बताती है कि सिस्टम कितने अक्षर गलत करता है, और आवाज में यही अंतर है कि हेल्पलाइन ₹2,45,000 कहे या ₹2,450। भारतीय भाषाओं के ये आंकड़े इसलिए मायने रखते हैं। ये सिस्टम लोन वसूली की कॉल, रेलवे की घोषणा और सरकारी सूचनाओं के लिए बन रहे हैं, जहां एक गलत अंक असली आदमी तक पहुंचता है।
चैरियट ने कीमत या मॉडल कब आम उपयोग के लिए उपलब्ध होगा, यह नहीं बताया।