根據Analytics India Magazine於2026年11月12日發布的報導,由前Google DeepMind與Meta基礎人工智慧研究實驗室(FAIR)研究員所創立的印度AI研究實驗室Chariot(前身為Gan.ai),正式發表全新的文字轉語音(TTS)模型 Chariot-1-TTS-Multilingual。該模型支援11種印度語言以及英語,並具備多種語音合成與上下文推理能力,鎖定語音代理、客服系統、教育平台及多語言公共服務熱線等應用場景。
支援多語言與代碼混合的語音生成能力
根據Analytics India Magazine報導,Chariot-1-TTS-Multilingual模型提供超過50種聲音選擇,並允許使用者在同一個句子的任意兩種支援語言之間進行代碼混合(code-mixing)。創辦人Parth Sarthi在聲明中表示,人們在日常溝通中經常使用數字、符號、縮寫,並在同一個句子中穿插不同語言,這正是該模型設計時所考量的實際需求。此外,使用者僅需提供幾秒鐘的參考音訊,即可進行語音複製(voice cloning),且單次請求最多能從1,000個字元生成語音。
上下文推理與發音準確度
傳統的文字轉語音系統多半依賴文字正規化規則來決定發音,但根據Analytics India Magazine報導,Chariot的模型採用上下文推理(contextual reasoning)來決定書面表達的讀音。舉例來說,該模型能夠區分「B+」是指血型還是學業成績,也能處理貨幣金額、日期、縮寫和技術表達式的上下文發音。
在效能表現方面,根據Analytics India Magazine報導,Chariot宣稱其模型在與ElevenLabs、Cartesia、微軟(Microsoft)、OpenAI、AWS以及薩爾瓦姆(Sarvam)等精選模型的比較中,於多項指標排名前列。該公司公布的字元錯誤率(character error rate)在印地語(Hindi)為7.60%,在其他9種印度語系則為6.47%。在涵蓋40個類別、超過1,000個句子的英語口語化基準測試中,該模型的準確度達到93.78%。同時,在評估的配置中,該公司記錄到最高的簡單英語NISQA分數(一種預測語音品質的自動化測量標準)。不過,各個競爭模型的基準測試覆蓋範圍有所不同,這些數據均為該公司自行發布的結果。
即時語音識別模型與業界應用實績
除了文字轉語音模型外,根據Analytics India Magazine報導,該公司近期亦推出了名為 Chariot-1-ASR Realtime 的語音識別模型。Chariot表示,該模型在10種印度語言中,表現超越了所有測試過的串流與批次轉錄系統。該語音識別模型支援印地語、馬拉地語(Marathi)、孟加拉語(Bengali)、泰米爾語(Tamil)、泰盧固語(Telugu)、卡納達語(Kannada)、馬拉雅拉姆語(Malayalam)、古吉拉特語(Gujarati)、旁遮普語(Punjabi)及奧里亞語(Odia),同時也支援印度英語(Indian English)。
總部位於印度德里(Delhi)的Chariot,由Parth Sarthi與蘇夫拉特・布尚(Suvrat Bhooshan)共同創辦。在其官方網站上,展示了多項與知名品牌的合作專案。根據Analytics India Magazine報導,這些案例包含:
- 為美食外送平台Zomato使用演員赫里克・羅 Roshan(Hrithik Roshan)和蘭維爾・辛格(Ranveer Singh)的聲音來命名當地餐廳。
- 為印度國家電視台(Doordarshan)以總理的聲音跨語言傳遞《的心靈對話》(Mann Ki Baat)廣播演說。
- 協助可口可樂(Coca-Cola)讓沙魯克・罕(Shah Rukh Khan)現場回答板球相關問題。
- 為吉百利(Cadbury)生成60萬首個人化生日歌曲,且每首歌都針對不同名字演唱。
印度國家AI計畫的支持背景
根據Analytics India Magazine報導,印度於2024年3月啟動了總額達10,372億盧比(根據報導原文代碼 ₹10,372 crore)的「印度AI計畫」(IndiaAI Mission),旨在支持本土AI基礎設施、資料集、應用程式與基礎模型的發展。在該計畫的基礎模型支柱下,印度政府選定了12個組織與財團來開發本土模型。
入選的組織包含正在開發多語言大型語言與多模態模型的Sarvam AI、專注於印度語言基礎模型的Soket AI、從事語音對語音和語音AI研究的Gnani AI,以及本文提及的Chariot。其他入選組織尚包含BharatGen、Avataar AI、GenLoop、Zenteiq、Intellihealth、Shodh AI、Fractal Analytics以及馬 Mahindra 集團(Tech Mahindra)旗下的Maker’s Lab。讀者若對相關工具與模型的最新應用與授權條款感興趣,建議隨時參考官方發布的最新公告。
參考資料:Analytics India Magazine
參考資料
- Analytics India Magazine:Chariot Launches Multilingual TTS Model with Support for 11(2026-11-12)
本文由 AI 影音創作報編輯部使用 AI 工具整理上列公開資料寫成,實際情況請以官方最新資訊為準。如發現錯誤,歡迎依更正政策回報。