ആഗോള എഐ രംഗത്തെ അതികായന്മാരായ ഗൂഗിളിനെയും ഓപ്പൺ എഐയെയും പിന്നിലാക്കി ഇന്ത്യൻ സ്റ്റാർട്ടപ്പ് സർവം എഐ. ബെംഗളൂരു ആസ്ഥാനമായി പ്രവർത്തിക്കുന്ന ഈ കമ്പനി വികസിപ്പിച്ച ‘സർവം വിഷൻ’ എന്ന ഒസിആർ (Optical Character Recognition) ടൂൾ ഇന്ത്യൻ ഭാഷകളിലെ രേഖകൾ വായിക്കുന്നതിൽ ഗൂഗിൾ ജെമിനിയെക്കാളും ചാറ്റ് ജിപിടിയെക്കാളും മികച്ച പ്രകടനമാണ് കാഴ്ചവെക്കുന്നത്.
സമീപകാലത്ത് പുറത്തിറങ്ങിയ റിപ്പോർട്ടുകൾ പ്രകാരം, olmOCR-Bench എന്ന ആഗോള ബെഞ്ച് മാർക്കിൽ സർവം വിഷൻ 84.3 ശതമാനം കൃത്യത രേഖപ്പെടുത്തി. ഇത് ജെമിനി 1.5 പ്രോ, ഡീപ് സീക്ക് ഒസിആർ വി2 എന്നിവയെക്കാൾ ഉയർന്ന സ്കോറാണ്. സാധാരണ ഒസിആർ സംവിധാനങ്ങൾ പരാജയപ്പെടുന്ന സങ്കീർണ്ണമായ ഡോക്യുമെന്റുകൾ, പട്ടികകൾ, ശാസ്ത്രീയ സൂത്രവാക്യങ്ങൾ എന്നിവ വായിക്കുന്നതിലും ഈ മോഡൽ മികവ് പുലർത്തുന്നു. ഓംനി ഡോക് ബെഞ്ച് v1.5-ൽ 93.28 ശതമാനമാണ് ഈ ടൂളിന്റെ ആകെ സ്കോർ.
രേഖകൾ വായിക്കുന്നതിനൊപ്പം ശബ്ദ സാങ്കേതികവിദ്യയിലും സർവം എഐ വൻ മുന്നേറ്റം നടത്തിയിട്ടുണ്ട്. കമ്പനിയുടെ ഏറ്റവും പുതിയ ടെക്സ്റ്റ്-ടു-സ്പീച്ച് മോഡലായ ‘ബുൾബുൾ വി3’ ഇപ്പോൾ പുറത്തിറങ്ങി. 11 ഇന്ത്യൻ ഭാഷകളിലായി 35-ലധികം സ്വാഭാവിക ശബ്ദങ്ങളാണ് ഇതിലുള്ളത്. വരും കാലങ്ങളിൽ ഇത് 22 ഭാഷകളിലേക്ക് വർദ്ധിപ്പിക്കാനാണ് കമ്പനി ലക്ഷ്യമിടുന്നത്. ആഗോള തലത്തിൽ മുൻപന്തിയിലുള്ള ഇലവൻ ലാബ്സ് പോലുള്ള പ്ലാറ്റ്ഫോമുകളെക്കാൾ കുറഞ്ഞ ചിലവിൽ മികച്ച ശബ്ദം ബുൾബുൾ ലഭ്യമാക്കുമെന്ന് കമ്പനി അവകാശപ്പെടുന്നു.
നേരത്തെ ഇന്ത്യൻ എഐ സ്റ്റാർട്ടപ്പുകളുടെ പ്രവർത്തനങ്ങളിൽ സംശയം പ്രകടിപ്പിച്ചിരുന്ന ടെക് വിദഗ്ധരും ഇപ്പോൾ സർവം എഐയുടെ നേട്ടത്തെ ശരിവെക്കുന്നുണ്ട്. ആഗോള ലാബുകൾ അവഗണിക്കുന്ന ഇന്ത്യൻ ഭാഷകളിലെ വിടവ് നികത്താൻ സർവത്തിന്റെ ഈ ‘സൊവറിൻ എഐ’ (Sovereign AI) മോഡലുകൾക്ക് സാധിക്കുമെന്ന് അവർ അഭിപ്രായപ്പെടുന്നു. കിസ്സാൻ എഐ (KissanAI) ഉൾപ്പെടെയുള്ള മുൻനിര സ്ഥാപനങ്ങൾ നിലവിൽ ബുൾബുളിന്റെ സേവനം പ്രയോജനപ്പെടുത്തുന്നുണ്ട്.
