在庆祝公司成立16周年之际，Reverie Language Technologies隆重推出了一款创新语音转文本（STT）模型，专为应对印度复杂多元的语言环境而设计。这款模型不仅支持印地语和英语的识别，更具备处理Hinglish等混合语言的能力，从而精准满足银行、呼叫中心等行业的实际需求。图源备注：图片由AI生成，图片授权服务商Midjourney
据Reverie官方介绍，该模型在过去一年内已成功处理300万次API调用，其识别精度与响应速度均表现卓越。在与Deepgram的独立对比测试中，Reverie模型在准确率上领先约4.2%，响应速度更是提升了1.5倍，由此成为印度市场领先的语音识别解决方案。这款模型的核心优势在于其对多语言文化背景的深度理解能力。无论是英语中的数字”twenty-three”，还是印地语中的”तेईस”，该模型都能实现精准识别。此外，它还能识别印度各地特有的姓名，并充分考虑拼写与发音差异，这些功能往往是国际通用模型难以企及的。
除了Hinglish模型外，Reverie还同步推出了涵盖泰米尔语、泰卢固语、孟加拉语、马拉地语、古吉拉特语、卡纳达语、马拉雅拉姆语、阿萨姆语、奥里亚语和旁遮普语在内的多语言STT模型系列。每个模型都经过独立训练，专门针对特定语言的方言与口音进行优化，旨在更真实地还原当地人的语言使用习惯。Reverie研发负责人Pranjal Nayak表示：”我们的研发始终聚焦于印度特有的语言挑战，这款Hinglish模型正是这一理念的实践成果。它不仅能够理解印度人在使用数字时的独特习惯，还能精准识别同一句话中英语与印地语的混合使用方式，从而让AI代理的表现更加自然流畅。”
目前该模型已在多个行业得到成功应用。例如某大型金融服务公司采用Reverie的STT引擎处理超过15,000个多语种债务催收电话，实现了对数字与付款信息的极高准确度识别。该模型现已正式上线Reverie的API平台，企业可根据需求选择云端或本地部署方式。其支持特定领域语言包、数字与名称歧义消解以及热词增强等高级功能，所有配置均可通过统一API完成。
划重点:🌟 新模型在准确率和响应速度上全面超越Deepgram，精准满足印度市场需求。 💬 Reverie模型具备深刻的文化背景理解力，能自然处理Hinglish等多种语言混合场景。 📈 多个行业已成功应用该技术，显著提升语音识别的准确性与工作效率。
