Sarvam 推出印度語系語音合成模型 Bulbul V4 Flash

Sarvam AI 發表即時語音合成模型 Bulbul V4 Flash,首段音訊延遲低於 250 毫秒,價格比 V3 便宜三分之一,支援 11 種語言。

重點

  • Sarvam AI 10/13 發表 Bulbul V4 Flash,定位為即時應用的印度語系語音合成(TTS)。
  • 官方稱正式環境首段音訊延遲低於 250 毫秒,比 V3 在相近負載下快最多 40%。
  • 價格為每一萬字元 20 盧比,比 V3 的 30 盧比低三分之一。
  • 支援 11 種語言、83 種聲音;以上數字皆為官方自述,未見第三方測試。
目錄(3 節)
  1. 發生什麼事
  2. 官方公布的規格
  3. 對你的影響

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。

Sarvam 發表印度語系語音合成模型 Bulbul V4 Flash,主打低延遲。

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。