📅 11 Feb 2026
भारतीय स्टार्टअप Sarvam AI ने विकसित केलेले ‘Sarvam Vision’ आणि ‘Bulbul V3’ मॉडेल्स भारतीय भाषांमधील OCR आणि टेक्स्ट-टू-स्पीचमध्ये जगातील मोठ्या AI मॉडेल्सपेक्षा सरस ठरत आहेत. जागतिक स्तरावर याची दखल घेतली जात आहे.
Sarvam AI च्या ‘Sarvam Vision’ या OCR (Optical Character Recognition) मॉडेलने भारतीय भाषांमधील दस्तऐवज वाचनात उल्लेखनीय कामगिरी केली आहे.
olmOCR-Bench वर 84.3% अचूकता
Gemini 3 Pro आणि DeepSeek OCR v2 पेक्षा अधिक गुण
OmniDocBench v1.5 वर 93.28% एकूण स्कोअर
विशेष म्हणजे, गुंतागुंतीचे लेआउट, तांत्रिक तक्ते आणि गणिती सूत्रे वाचण्यात Sarvam Vision अत्यंत प्रभावी ठरले आहे. पारंपरिक OCR प्रणाली ज्या ठिकाणी अडखळतात, तिथे Sarvam Vision सहजतेने काम करते.
Sarvam AI चे सह-संस्थापक प्रत्युष कुमार यांनी सोशल मीडियावर ही माहिती शेअर केली. सुरुवातीला भारतीय भाषांवर लक्ष केंद्रित केल्याबद्दल टीका झाली होती, मात्र आता त्याच मॉडेल्सची जागतिक स्तरावर प्रशंसा होत आहे.
टेक विश्लेषक Deedy Das यांनी Sarvam AI बद्दलची आपली पूर्वीची भूमिका बदलत कबुली दिली की, भारतीय भाषांसाठी विकसित केलेली OCR आणि स्पीच मॉडेल्स अत्यंत प्रभावी आहेत.
वापरकर्त्यांनीही सोशल मीडियावर सकारात्मक प्रतिक्रिया दिल्या असून, अनेकांनी Sarvam चे मॉडेल्स "खरोखरच गेम-चेंजर" असल्याचे म्हटले आहे.
Bulbul V3: भारतीय भाषांमधील AI आवाज OCR सोबतच Sarvam AI ने ‘Bulbul V3’ नावाचे टेक्स्ट-टू-स्पीच मॉडेलही सादर केले आहे.
11 भारतीय भाषांमध्ये 35+ आवाज
नैसर्गिक, स्पष्ट आणि भावपूर्ण आवाज निर्मिती
भविष्यात 22 भाषांपर्यंत विस्ताराचा मानस
Bulbul V3 भारतीय संदर्भातील उपयोगांसाठी विशेष तयार करण्यात आले आहे. ElevenLabs सारख्या आंतरराष्ट्रीय प्लॅटफॉर्म्सच्या तुलनेत हे अधिक किफायतशीर आणि भारतीय भाषांसाठी उपयुक्त असल्याचे मत तज्ज्ञांनी व्यक्त केले आहे.
Sarvam AI ची कामगिरी ही केवळ एका स्टार्टअपची यशोगाथा नसून, भारताच्या AI क्षमतेचा दाखला आहे. भारतीय भाषांमध्ये उच्च-गुणवत्तेचे AI सोल्यूशन्स तयार करून Sarvam AI ने एक मोठी पोकळी भरून काढली आहे, जी जागतिक कंपन्यांनी फारशी गांभीर्याने घेतली नव्हती.
AI च्या भविष्यात भारताची भूमिका अधिक महत्त्वाची ठरणार असल्याचे संकेत या यशातून मिळत आहेत.
website :- https://www.sarvam.ai/