發生什麼事
印度 AI 公司 Sarvam 在 2026 年 10 月 13 日於官方部落格發表 Bulbul V4 Flash,一個為即時場景設計的文字轉語音模型,主打印度各語言。

官方公布的規格
- 延遲:正式環境中首段音訊輸出時間低於 250 毫秒,並稱比 V3 在相近負載下快最多 40%。
- 價格:每一萬字元 20 盧比,V3 為 30 盧比。
- 語言與聲音:11 種語言、83 種聲音,共 224 種「聲音加風格」組合。
- 取得方式:Sarvam API、Playground 與 Content Studio;既有 Bulbul 用戶可沿用原本的 Bulbul API 切換。
這些都是 Sarvam 自己的數字,我們沒有找到獨立測試。
對你的影響
這個模型針對印度語言,不包含中文,對台灣讀者沒有直接用途。若你做的產品服務印度市場(客服語音、有聲內容),可以拿自己的文本實測延遲與音質再決定。