Sarvam 推出实时流式语音转写 API,支持中途切换语言与毫秒级 VAD
itsOmSarraf_ · x · 2026-09-10
印度 AI 公司 Sarvam 在 8-9 月集中更新了其语音模型与 API,核心是全新的实时流式语音转文本(Realtime Streaming STT)接口:
- 新端点 GET /speech-to-text-realtime/ws,由 saaras:v3-realtime 驱动,saaras:v4-realtime 也已 GA,二者参数与协议一致。
- 相比旧版 Streaming API,新接口在用户说话过程中输出真实的中间转录(partial transcripts),而非每句结束才给最终结果;适合语音 agent 打断、实时字幕等场景。
- 支持通过 config.update 在不重连的情况下热切换语言或模式;VAD 调参从旧版的 10+ 个帧数参数简化为 3 个毫秒级参数(threshold、silencedurationms、minspeechdurationms)。
- 还支持 endpointing="manual" 手动轮次控制、逐条 partial/finally 的自动语言检测,以及结构化错误事件与文档化 close code。
文档还提供 /llms.txt 索引方便 AI agent 检索。
「模型」频道最新
- Chollet 澄清迷思:JAX 拥有数千个预训练 Keras 3 模型 — fchollet · 2026-09-10
- GPT-6 Astra 无思维链完成 34 步心算，达 Sol 的 4 倍 — MaartenBaert · 2026-09-10
- NVIDIA 深度解析 Alpamayo 2 Super:面向 Robotaxi 的 L4 自驾模型 — drmapavone · 2026-09-10
- OpenAI 用户额度无故清零,每周重置日还悄悄推迟了两天 — ___Patrice___ · 2026-09-10
- 网友预测 Qwen V4.1-Flash 新基准将得 36-38 分 — teortaxesTex · 2026-09-10
- Perplexity 评测 13 款检索模型,pplx-embed-v1-4b 两项领跑 — perplexity_ai · 2026-09-10