Sarvam AI lance Saaras V4, un modèle de reconnaissance vocale pour les 22 langues indiennes et l'anglais mondial
Sarvam AI a annoncé le lancement de Saaras V4, la nouvelle génération de son modèle de reconnaissance vocale, capable de traiter les 22 langues officielles inscrites au calendrier constitutionnel indien ainsi que l'anglais, y compris ses accents internationaux. Le modèle repose sur une architecture encodeur-décodeur : un encodeur audio transforme le signal en représentations phonétiques et acoustiques, un adaptateur de sous-échantillonnage temporel compresse cette séquence, puis un décodeur nommé Sarvam-3B, un modèle de langage hybride à espace d'états de 3 milliards de paramètres entraîné en interne, génère la transcription token par token. Sarvam affirme obtenir la meilleure précision moyenne sur sept jeux de données anglophones issus notamment du classement Open ASR de Hugging Face, ainsi que des résultats supérieurs sur dix langues indiennes du corpus Vistaar. Sur audio bruité (Kathbath Noisy), l'entreprise revendique un taux d'erreur inférieur de moitié à celui de Deepgram Nova-3 et de GPT-4o Transcribe. Le modèle propose aussi cinq modes de sortie configurables (transcription, verbatim, translittération, mélange de langues, traduction) et une fonction de "keyterm prompting" permettant de biaiser la reconnaissance vers des termes spécifiques comme des noms de marques. Le service est accessible dès aujourd'hui via l'API de Sarvam sous l'identifiant "saaras:v4", au tarif de 30 roupies par heure en temps réel et 45 roupies avec séparation des locuteurs, mais les poids du modèle restent fermés et non disponibles en auto-hébergement.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de MarkTechPost. Lire l'article original →
Cette annonce illustre la montée en puissance d'un acteur indien dans un marché de la reconnaissance vocale jusqu'ici dominé par des entreprises occidentales comme OpenAI, Deepgram ou ElevenLabs. Pour les développeurs et entreprises opérant en Inde, disposer d'un modèle couvrant nativement les 22 langues officielles du pays, avec une identification automatique de la langue affichant un taux d'erreur de seulement 2,9% sur les dix langues les plus parlées, représente un avantage concret pour des usages comme les centres d'appels, les assistants vocaux ou la transcription de contenus multilingues dans un pays où cohabitent des centaines de langues et dialectes. La possibilité de basculer entre plusieurs modes de sortie sans traitement post-transcription supplémentaire réduit aussi les risques d'erreurs cumulées, un enjeu pratique pour les entreprises qui intègrent ces outils dans des produits grand public.
Ce lancement s'inscrit dans une dynamique plus large de développement d'infrastructures d'intelligence artificielle adaptées aux langues indiennes, un segment longtemps négligé par les grands modèles généralistes occidentaux. Sarvam AI, qui avait déjà proposé une version précédente baptisée Saaras v3 toujours utilisée par défaut sur sa plateforme, cherche à s'imposer comme référence technique dans cette niche linguistique tout en revendiquant des performances comparables ou supérieures à des concurrents mieux établis. Il convient toutefois de noter que l'ensemble des chiffres de performance communiqués proviennent de l'entreprise elle-même, sans validation indépendante publiée à ce jour. La transition depuis Saaras v3 est présentée comme immédiate pour les développeurs, ne nécessitant qu'une modification mineure du code, ce qui pourrait accélérer l'adoption si les gains de précision annoncés se confirment dans des conditions d'usage réelles.
Pas d'impact direct sur la France/UE
Sarvam prouve qu'on n'a plus besoin de partir des modèles occidentaux pour couvrir 22 langues indiennes correctement, et ça change qui a le droit de dominer ce marché-là. Diviser par deux le taux d'erreur de Deepgram et GPT-4o Transcribe sur de l'audio bruité, si ça se confirme hors labo, c'est du sérieux. Reste que les chiffres viennent uniquement de Sarvam, les poids sont fermés, et sans auto-hébergement possible, une boîte qui mise là-dessus reste dépendante de leur API et de leur tarif.