बेंगलुरु : देसी एआई लैब चैरियट ने गुरुवार को अपना बहुभाषी वाक् संश्लेषण मॉडल चैरियट-1-टीटीएस-मल्टीलिंगुअल पेश किया. 11 भारतीय भाषाएं और अंग्रेजी, 50 से ज्यादा आवाज़ें, और एक ही वाक्य में किन्हीं भी दो समर्थित भाषाओं को मिलाकर बोलने की क्षमता — यही इस मॉडल की खूबियां कंपनी ने बताईं.
लिखा हुआ शब्द जैसा दिखता है, वैसा बोला नहीं जाता. '₹5,000' रकम के तौर पर अलग पढ़ा जाता है और तारीख के हिस्से के तौर पर अलग. 'बी प्लस' ब्लड ग्रुप हो तो एक तरह से और ग्रेड हो तो दूसरे तरह से कहना पड़ता है. संक्षेप, तकनीकी शब्द और आंकड़े भी यही सवाल खड़े करते हैं. कंपनी का दावा है कि मॉडल में संदर्भ देखकर तय करने की क्षमता अंदर ही डाली गई है, इसलिए अलग नियम लिखने या प्रॉम्प्ट साधने की जरूरत कम हो जाती है.
कंपनी के मूल्यांकन में इलेवनलैब्स, कार्टेशिया, माइक्रोसॉफ्ट, ओपनएआई, एडब्ल्यूएस और सार्वम के चुने हुए संस्करणों से तुलना की गई. कंपनी के मुताबिक तीन मापदंडों पर यह मॉडल पहले स्थान पर रहा.
स्पष्टता में सबसे कम अक्षर-त्रुटि दर — हिंदी में 7.60 फीसदी और अन्य नौ भारतीय भाषाओं में 6.47 फीसदी. यह मापन सामान्य पाठ, आंकड़ों और तकनीकी कसौटियों के साथ बातचीत वाले पाठ पर किया गया.
अंग्रेजी में उच्चारण-निर्णय की सटीकता 93.78 फीसदी — मुद्रा रकम, तारीखें, क्रमसूचक, यूआरएल, रासायनिक सूत्र और शेयर बाजार के संक्षेप जैसे 40 से ज्यादा वर्गों के हज़ार से ज्यादा वाक्यों की कसौटी पर.
आवाज़ की गुणवत्ता के लिए अंग्रेजी पाठ पर एनआईएसक्यूए मूल्यांकन में सबसे ज्यादा अंक.
मॉडल कुछ सेकंड के संदर्भ ऑडियो से आवाज़ की नकल कर सकता है और एक अनुरोध में 1,000 अक्षरों तक का पाठ बोल सकता है. ये सारे आंकड़े कंपनी के हैं, स्वतंत्र पुष्टि नहीं हुई है.
आवाज़ की नकल अपने आप में न सुरक्षित है न खतरनाक. सहमति, नकली आवाज़ पकड़ने की व्यवस्था और ठगी से बचाव पर ही इस तकनीक का इस्तेमाल टिकेगा. भारतीय भाषाओं की यह होड़ अब बोलने के मैदान में है.