व्हॉइस ऑफ इंडिया बेंचमार्कवर 15 भारतीय भाषांमध्ये Devnagri ब्लॅक बर्डने सर्वात कमी त्रुटी नोंदवल्या

Devnagri च्या नवीन एएसआर मॉडेलने 15भारतीय भाषांमध्ये सर्वात कमी सरासरी त्रुटी नोंदवल्या आहेत, जे सर्वम सारस व्ही3 आणि गुगल जेमिनी3 प्रो पेक्षाही अधिक चांगले आहे

NOIDA, UP, INDIA, September 30, 2026 /EINPresswire.com/ -- Devnagri AI ने आज जाहीर केले की त्यांचे नवीन स्वयंचलित स्पीच रिकग्निशन (एएसआर) मॉडेल, Devnagri ब्लॅक बर्ड, हे व्हॉइस ऑफ इंडिया बेंचमार्कमध्ये आघाडीवर आहे, जो आयआयटी मद्रास येथील एआय4भारतने जोश टॉक्सच्या सहकार्याने तयार केलेला एक स्वतंत्र भारतीय एएसआर चाचणी संच आहे. Devnagri ब्लॅक बर्डने 8.7 चा सरासरी ओपन इंडिक वर्ड एरर रेट (ओआय-डब्ल्यूईआर) नोंदवला आहे, जो मूल्यमापन केलेल्या सर्व प्रणालींमध्ये सर्वात कमी आहे.

8.7 द्वारे, Devnagri ब्लॅक बर्डची सरासरी त्रुटी गुगलच्या जेमिनी 3 प्रो (21.1) च्या निम्म्याहून कमी आहे. Devnagri च्या सप्टेंबर 2026 च्या मूल्यमापनानुसार, हे सर्वम सारस व्ही3 (10.7) पेक्षा सुमारे 19 टक्के कमी, हे जेमिनी 3 प्रो पेक्षा सुमारे 59 टक्क्यांनी कमी आणि जेमिनी 3 फ्लॅश (23.1) पेक्षा सुमारे 62 टक्क्यांनी कमी आहे. त्रुटींमध्ये हे Devnagri च्या मागील मॉडेल, शिवानी एएसआरच्या तुलनेमध्येही सुमारे 25 टक्क्यांनी घट करते.

21 एप्रिल, 2026 रोजी प्रसिद्ध झालेले, व्हॉइस ऑफ इंडिया हे भारतातील लोक प्रत्यक्षात कसे बोलतात यावर स्पीच टेक्नॉलॉजीची चाचणी घेण्यासाठी तयार करण्यात आले होते. हे 15 भारतीय भाषांमधील 536 तासांच्या अनस्क्रिप्टेड, वास्तविक जगातील टेलिफोनिक संभाषणांवर आधारित आहे, ज्यामध्ये 306,230 उच्चार आणि 36,691 मूळ भाषकांचा समावेश आहे, ज्यामध्ये लिंग आणि वयानुसार गटांना संतुलित केले आहेत. स्पष्ट, स्क्रिप्टेड चाचणी संचांच्या विपरीत, हे दैनंदिन फोन कॉल्समधील गोंधळ, प्रादेशिक उच्चार आणि कोड-मिक्सिंग टिपते आणि नैसर्गिक भाषेस दोष देण्याऐवजी वैध स्पेलिंग आणि लिप्यंतरण प्रकारांचा स्वीकार करते. Devnagri ब्लॅक बर्ड याच वातावरणासाठी तयार केले गेले आहे: कोड-मिक्सिंग असलेली भाषा, प्रादेशिक उच्चार, गोंधळलेले टेलिफोनी आणि भारतीय संपर्क केंद्रे व व्हॉइस-एजंट वर्कलोड्सच्या उपयोजन मर्यादांच्या आसपास विकसित केलेला हा एक भारतीय भाषा स्पीच इंटेलिजन्स स्तर आहे.

Devnagri ने सर्व नऊ प्रणालींचे मूल्यमापन एकाच पद्धतीने केले. यामध्ये प्रत्येक प्रणालीच्या प्रॉडक्शन एपीआयचा वापर करून आणि समान डिफॉल्ट सेटिंग्ज अंतर्गत एकाच संदर्भांच्या आधारे आउटपुटचे मूल्यांकन करण्यात आले. ओव्हरफिटिंग टाळण्यासाठी चाचणी संच गोपनीय ठेवला असून, निकालांच्या पडताळणीसाठी मॉडेलच्या आवृत्त्या आणि लॉग जतन केले आहेत. येथे नमूद केलेले इतर स्पर्धकांचे निकाल Devnagri ने सार्वजनिकरीत्या उपलब्ध प्रॉडक्शन एपीआय वापरून मोजले आहेत, त्यामुळे त्यांना संबंधित विक्रेत्यांनी अधिकृतपणे प्रकाशित केलेले निकाल समजू नये. Devnagri ब्लॅक बर्ड सर्व 15 भाषांमध्ये आघाडीवर आहे. यामध्ये भोजपुरी आणि मैथिली यांसारख्या कमी-संसाधन असलेल्या भाषांचाही समावेश आहे, ज्या जागतिक प्रणालींना प्रभावीपणे हाताळता येत नाहीत. त्यामुळे ही आघाडी केवळ हिंदीसारख्या उच्च-संसाधन भाषांपुरती मर्यादित नाही.

बाजाराचा संदर्भ या उत्पादनासाठी ही बाब महत्त्वाची ठरवतो. भारतातील सुमारे 90 टक्के डिजिटल वापरकर्ते इंग्रजी व्यतिरिक्त इतर भाषेत व्यवहार करण्यास प्राधान्य देतात आणि बीएफएसआयमध्ये 70 टक्क्यांहून अधिक डिजिटल लोकसंख्या बिगर-इंग्रजी भाषिक आहे. ज्याप्रमाणे उद्योग ऑनबोर्डिंग, वसुली, सेवा आणि सहाय्य व्हॉइस आणि फोन चॅनेलवर करत आहेत आणि जशी वाढ टियर 2 आणि टियर 3 भारताकडे सरकत आहे, तशी प्रादेशिक भाषांमधील स्पीच-रेकग्निशन अचूकता प्रत्यक्षात काय स्वयंचलित केले जाऊ शकते यावर मर्यादा आणते. एंटरप्राइझ व्हॉइस एआयमध्ये, एएसआर हा बुद्धिमत्तेचा पहिला स्तर आहे. जर सिस्टमने एखादी रक्कम, नाव, तारीख किंवा हेतू चुकीचा ऐकला, तर ती त्रुटी पुढील प्रत्येक टप्प्यात प्रवाहित होते.

म्हणूनच बीएफएसआय, सरकारी नागरी सेवा आणि डिजिटल कॉमर्समध्ये प्रत्यक्ष कॉल्सवरील अचूकता सर्वात महत्त्वाची ठरते, जिथे उच्च-मूल्याचे संभाषण फोनवर, प्रादेशिक भाषेत आणि अनेकदा गोंगाट असलेल्या लाईनवर होते. बँकिंग, वित्तीय सेवा आणि विमा क्षेत्रात नावे, तारखा, रकमा आणि ओळखीचा तपशील अचूकपणे नोंदवल्यामुळे ग्राहक ऑनबोर्डिंग आणि केवायसी, पेमेंट संकलन, नूतनीकरण स्मरणपत्रे, सपोर्ट कॉल्स आणि तक्रार निवारण यामध्ये सुधारणा होते. ट्रान्स्क्रिप्शनमधील कमी चुकांचा अर्थ म्हणजे कमी अयशस्वी वर्कफ्लो, कमी अनुपालन जोखीम आणि कमी पुनरावृत्ती प्रयत्न, तर डायरायझेशन, टाइमस्टॅम्प आणि अचूकपणे दर्शवलेले आकडे प्रत्येक संवाद ऑडिट करण्यायोग्य ठरतात. सरकारी सेवांमध्ये, हीच क्षमता हेल्पलाईन आणि नागरिक व्हॉइसबॉट्सना लोकांना त्यांच्या मातृभाषेत सेवा देण्यास सक्षम करते. डिजिटल कॉमर्समध्ये, हे कॅश-ऑन-डिलिव्हरी पुष्टीकरण, प्रादेशिक भाषांमधील डिलिव्हरी आणि रिटर्न्स सपोर्टला सक्षम करते, ज्यामुळे विक्री नॉन-मेट्रो भारताकडे वळत असताना अयशस्वी डिलिव्हरी आणि सपोर्टचा भार कमी होतो.

एका स्वतंत्र, वास्तविक-जगातील बेंचमार्कचे नेतृत्व करून, Devnagri चे नवीन एएसआर मॉडेल भारतीय उद्योगांनी स्पीच एआयकडून काय अपेक्षा ठेवाव्यात यासाठी एक नवीन मापदंड प्रस्थापित करते - ग्राहक प्रत्यक्षात बोलतात त्या भाषांमधील थेट कॉल्स.

"जेव्हा एखादी बँक ग्राहकाला ऑनबोर्ड करू शकते, वसुलीसाठी कॉल करू शकते किंवा ग्राहकाच्या स्वतःच्या भाषेत अचूकपणे तक्रार निवारण करू शकते, तेव्हा ती बँक एका मोठ्या बाजारपेठेपर्यंत पोहोचू शकते आणि कॉलवर असलेल्या व्यक्तीसाठी तो अनुभव अधिक चांगला असतो. आमचे नवीनतम एएसआर मॉडेल, ब्लॅक बर्ड, उद्योगाला पुढे नेते कारण आम्ही प्रयोगशाळेसाठी नाही, तर भारताच्या वास्तविक परिस्थितीसाठी निर्मिती करतो."
— नकुल कुंद्रा, सह-संस्थापक, Devnagri AI

"स्वतंत्र, वास्तविक जगातील टेलिफोनिक बेंचमार्कचे नेतृत्व करणे खरोखर कठीण आहे. भारतीय बोलणे गुंतागुंतीचे असते: लोक वाक्याच्या मध्यभागी भाषा बदलतात, कॉल्समध्ये गोंधळ असतो, स्पेलिंगमध्ये तफावत असते. केवळ स्पष्ट ऑडिओवरच नव्हे, तर तिथेही अचूकता टिकवून ठेवणे हेच खरे इंजिनिअरिंग आहे आणि आम्ही आमच्या एएसआर मॉडेल, ब्लॅक बर्डमध्ये सतत सुधारणा करत आहोत."
— हिमांशू शर्मा, सह-संस्थापक, Devnagri AI

Devnagri AI बद्दल

Devnagri AI भाषेची अशी पायाभूत सुविधा तयार करते जी नियमन केलेल्या उद्योगांना ग्राहकांचा प्रवास, कार्यप्रवाह, दस्तऐवज आणि आवाजातील बहुभाषिक संवाद प्रमाणित करण्यात मदत करते, ज्यामध्ये 40+ भाषांचा समावेश आहे, ज्यात 22 नियोजित भारतीय भाषा आहेत. बँकिंग, वित्तीय सेवा, विमा, सरकारी, किरकोळ विक्री आणि डिजिटल कॉमर्समधील अग्रगण्य संस्थांचा विश्वास संपादन केलेली Devnagri, एंटरप्राइझ स्केलसाठी तयार केलेली नियंत्रित भाषा पायाभूत सुविधा प्रदान करते.

Priyanka Harshvardhan
Devnagri AI Private Limited
+91 96505 00268
email us here
Visit us on social media:
LinkedIn
Instagram
Facebook
YouTube
X