为庆祝公司成立 16 周年，Reverie Language Technologies 推出了一种新的语音转文本 （STT） 模型，旨在解决印度多样化的语言环境。这种模式不仅可以识别印地语和英语，还可以处理印度语和其他混合语言，极大地满足了银行和呼叫中心等行业的需求。
据 Reverie 称，该模型在过去一年中处理了 300 万次 API 调用，显示出出色的准确性和速度。在使用 Deepgram 的独立测试中，Reverie 的模型实现了约 4.2% 的准确性和 1.5 倍的响应时间。这使其成为印度用户强大的语音识别系统。
这种模式的优势在于它能够理解多种语言和文化背景。无论是英文说的数字“二十三”，还是印地语说的“तेईस”，模型都能准确识别。此外，它还可以识别来自印度各地的名字，同时考虑到拼写和发音的差异，这对于全球模型来说通常具有挑战性。
除了印度英语，Reverie 还推出了一系列其他印度语言的 STT 模型，包括泰米尔语、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。每个模型都针对语言的特定方言和口音进行了独立训练，旨在更真实地反映人们使用当地语言的方式。
Reverie 的研发主管 Pranjal Nayak 表示：“我们的研发一直专注于印度独特的语言挑战，这种印度语模式就是成果之一。它可以理解印度人使用数字的习惯，以及他们如何在同一个句子中混合英语和印地语。这使得AI代理的表现更加自然和人性化。
该模型已应用于多个行业。例如，一家大型金融服务公司使用 Reverie 的 STT 引擎处理了超过 15,000 个多语言债务催收电话，成功实现了识别数字和付款的高精度。
目前，该模型已在 Reverie 的 API 平台上可用，企业可以通过云端或本地部署来使用。它支持特定字段的语言包、数字和名称的消歧义以及热词增强功能，所有这些都可以通过同一个 API 进行配置。
