核心功能
Sarvam AI 是一套面向印度语言的完整 AI 工具链，通过统一的 CLI 接口提供四大核心能力：
1. 文本转语音 (TTS)
- 支持 hi-IN（印地语）、bn-IN（孟加拉语）、ta-IN（泰米尔语）等 10+ 印度语言
- 内置 Meera、Pavithra、Arvind 等本土化音色，自然度接近真人
- 输出标准 WAV 格式，便于后续音频处理
2. 语音转文本 (STT)
- 基于 Saaras v3 模型，支持转录、英译、逐字记录、音译转写、代码混合等 5 种模式
- 特别优化印度英语口音和方言识别
3. 机器翻译
- 双向翻译：印度语言 ↔ 英语，以及印度语言之间互译
- 针对本土语境优化，如正式/非正式语体区分
4. 对话 LLM
- Sarvam-2G 模型，针对印度文化知识和多语言混合输入优化
显著优点
- 语言覆盖稀缺：填补了国际大模型对印度语言支持不足的空白
- 本土化深度：音色、口音、文化语境均针对印度市场定制
- 统一接口：单 CLI 工具覆盖全链路，降低集成成本
潜在局限
- 地域限制：模型训练数据主要来源于印度，对其他南亚语言（如乌尔都语、僧伽罗语）支持有限
- 硬件依赖：TTS/STT 需云端 API，离线场景不可用
- 定价不透明：官方未公开详细计费策略
适合人群
- 面向印度市场的产品开发者、本地化团队
- 需要构建多语言客服、教育、政务语音系统的企业
- 研究印度语言 NLP 的学术机构
常规风险
- API 密钥需妥善保管，避免代码仓库泄露
- 语音合成存在被滥用于深度伪造的潜在风险
- 翻译质量在低频语言上可能存在偏差，关键场景建议人工复核