Reverie 推出面向印度的语音识别模型，表现领先 Deepgram

在公司成立16周年之际，Reverie Language Technologies 发布了一款全新的语音转文本（STT）模型，专为印度复杂多样的语言环境打造。该模型不仅支持印地语和英语，还能处理英语与印地语混合的 Hinglish，用起来非常适合银行、客服中心等业务场景。

图源备注：图片由AI生成，图片授权服务商Midjourney

据 Reverie 介绍，这套模型在过去一年已处理了300万次 API 请求，在准确度和响应速度方面都有亮眼表现。独立对比测试显示，相比 Deepgram，Reverie 的模型准确率提升约4.2%，响应速度快到原来的1.5倍，更适合面向印度用户的语音识别应用。

这款模型的核心优势在于对多语言混用和本土语境的理解。不管是英语里的 “twenty-three”，还是印地语里的 “तेईस”，它都能准确识别。同时还能识别来自印度各地的人名，兼顾拼写和发音差异，这往往是通用型全球模型的弱项。

除了 Hinglish，Reverie 还推出了覆盖多种印度语言的 STT 模型，包含泰米尔语、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。每个模型都针对各自语言的方言与口音进行独立训练，更贴近当地人的真实表达。

Reverie 的 R&D 负责人 Pranjal Nayak 表示:“我们的研发长期聚焦印度独有的语言难题，这款 Hinglish 模型就是一个代表性成果。它能够理解印度人在报数字时的习惯，以及在一句话里混合使用英语和印地语的方式。” 这让 AI 代理的对话更自然、更有人情味。

该模型已在多行业落地，例如某大型金融服务公司使用 Reverie 的 STT 引擎处理超过15,000个多语种的债务催收电话，成功实现对数字与付款信息的高准确识别。

目前，这款模型已在 Reverie 的 API 平台上线，企业可选择云端或本地部署。它支持领域专用词包、数字与姓名的歧义消解、热词增强等功能，且所有配置均可通过同一个 API 完成。

划重点:

🌟 新模型在准确率与响应速度上领先 Deepgram，更贴合印度市场需求。  

💬 Reverie 模型能理解 Hinglish 等多语言混用，并具备对本土文化的深入理解。  

📈 多行业已开始应用，显著提升语音识别的准确性与效率。