ইন্ট্রন সাহারা-v2 লঞ্চ করেছে, একটি ভয়েস AI মডেল যা ২৪টি নতুন আফ্রিকান ভাষা সমর্থন করে

লাগোস-ভিত্তিক AI স্টার্টআপ Intron আনুষ্ঠানিকভাবে Sahara-v2 চালু করেছে, যা তার ফ্ল্যাগশিপ, দ্বিতীয় প্রজন্মের ভয়েস AI মডেল, যা কার্যকরভাবে বৈশ্বিক স্পিচ রিকগনিশনের মান উন্নত করেছে। মডেলটি 24টি নতুন আফ্রিকান ভাষা সমর্থন করে এবং 500টিরও বেশি স্বতন্ত্র আফ্রিকান ইংরেজি উচ্চারণে দক্ষতা অর্জন করেছে, যা কোম্পানির মোট ভাষা কভারেজকে অভূতপূর্ব 57-এ নিয়ে এসেছে। 

বছরের পর বছর ধরে, Siri, Alexa বা স্ট্যান্ডার্ড টেক্সট-টু-স্পিচ ইঞ্জিনের মতো বৈশ্বিক ভয়েস অ্যাসিস্ট্যান্টের সাথে ইন্টারঅ্যাক্ট করা এমন একটি দেয়ালের সাথে কথা বলার মতো মনে হয়েছে যা মৌলিকভাবে আপনার ভাষা বলে না। আমরা সবাই সেখানে ছিলাম, একটি ভয়েস কমান্ড ব্যবহার করার চেষ্টা করেছি শুধুমাত্র "No worry, e go better" এর মতো স্থানীয় বাক্যাংশটি অর্থহীন "No war eagle butter" হিসাবে ট্রান্সক্রাইব হতে দেখেছি। প্রথমে এটি মজার, কিন্তু যখন "Wanjiru" ডিজিটাইজ হয়ে "One zero" হয় এবং "Chukwuebuka" অব্যাখ্যাতভাবে "Check wheelchair baker" হয়ে যায়, তখন রসিকতা দ্রুত বিবর্ণ হয়ে যায়।

এই বারবার ট্রান্সক্রিপশন ব্যর্থতাগুলি নিছক প্রযুক্তিগত ভুলের চেয়ে বেশি; এগুলি ডিজিটাল বর্জনের একটি সক্রিয় রূপ। প্রধানত পশ্চিমা ডেটাসেটের উপর নির্মিত, শীর্ষস্থানীয় বৈশ্বিক AI মডেলগুলি এখানে সম্পূর্ণভাবে লক্ষ্যচ্যুত হয়। তারা আমাদের বক্তৃতার স্বরগত সমৃদ্ধির জন্য তৈরি নয়, যেখানে একটি একক শব্দ উচ্চারণের উপর নির্ভর করে ছয়টি ভিন্ন জিনিস বোঝাতে পারে। তারা আমাদের প্রাকৃতিক ছন্দময় কোড-সুইচিং-এ হোঁচট খায় এবং বুঝতে পারে না যে একটি একক অফিসে দশটি সম্পূর্ণ ভিন্ন উচ্চারণ সহ কর্মীরা নিয়োগ করা হতে পারে। যখন ভয়েস অ্যাসিস্ট্যান্টরা মৌলিক শব্দ এবং নাম ভুল বোঝে, তখন তারা লক্ষ লক্ষ ব্যবহারকারীকে ডিজিটাল শর্টকাট থেকে বঞ্চিত করে যা আধুনিক জীবনকে সহজ করে তোলে।

Sahara-v2 এই গুরুত্বপূর্ণ ব্যবধান পূরণ করে কারণ এটি অনুমানের উপর নির্মিত হয়নি বা একটি শান্ত, জীবাণুমুক্ত স্টুডিওতে প্রশিক্ষিত হয়নি। Intron রাস্তায় গিয়ে এবং শুনে এই মডেলটি তৈরি করেছে। ডেটাসেটটি বিশাল এবং হাইপার-লোকালাইজড: 14 মিলিয়নেরও বেশি অডিও ক্লিপ, মোট 50,000 ঘণ্টারও বেশি বক্তৃতা, 40,000-এরও বেশি বক্তার কাছ থেকে সংগৃহীত। এই কণ্ঠস্বরগুলি 30টিরও বেশি দেশ জুড়ে 64টি আফ্রিকান এবং ডায়াস্পোরা ভাষার প্রতিনিধিত্ব করে। গুরুত্বপূর্ণভাবে, এগুলি যেখানে AI-এর প্রকৃতপক্ষে কাজ করতে হয়, ভিড়ের ক্লিনিক, কোলাহলপূর্ণ বাজার, ব্যস্ত কল সেন্টার এবং আদালতে রেকর্ড করা হয়েছিল।

Intron-এর Sahara-v2 শিল্প নেতাদের পরাজিত করেছে

এই তৃণমূল, বাস্তব-বিশ্ব পদ্ধতি Sahara-v2-কে বৈশ্বিক প্রযুক্তির সবচেয়ে বড় নামগুলির চারপাশে চক্কর দিতে সক্ষম করেছে। যখন Gemini-3, GPT-4, Whisper, ElevenLabs, AWS, এবং Azure-এর মতো শিল্প হেভিওয়েটদের বিরুদ্ধে বেঞ্চমার্ক করা হয়, Intron-এর মডেল কমান্ডিং লিড প্রদান করে। 

এটি আফ্রিকান নাম, সংস্থা এবং অবস্থানে 68.6% ভালো নির্ভুলতার হার পোস্ট করে, এবং সংখ্যা, ভগ্নাংশ এবং মুদ্রা ট্রান্সক্রাইব করতে 55.6% তীক্ষ্ণ। তদুপরি, এটি পটভূমি শব্দ এবং ওভারল্যাপিং স্পিকারের কারণে সৃষ্ট AI হ্যালুসিনেশনের বিরুদ্ধে 36.5% বেশি প্রতিরোধ ক্ষমতা দাবি করে, পাশাপাশি স্বাস্থ্যসেবা, আইন, টেলিকমিউনিকেশন এবং ফিন্যান্সের মতো বিশেষায়িত ভার্টিকালগুলিতে 46.7% পারফরম্যান্স বৃদ্ধি।

চিত্তাকর্ষক বেঞ্চমার্কের বাইরে, Sahara-v2 একটি গুরুতর উৎপাদনশীলতা ইঞ্জিন যা বাস্তব-বিশ্বের এন্টারপ্রাইজ ডিপ্লয়মেন্টের জন্য ডিজাইন করা হয়েছে। শক্তিশালী API দ্বারা সমর্থিত যা মাত্র পাঁচ মিনিটে ডিপ্লয় করা যেতে পারে, অবকাঠামোটি ইতিমধ্যে সক্রিয়ভাবে ভয়েস ব্যাংকিং, স্বয়ংক্রিয় KYC প্রক্রিয়া এবং স্বাস্থ্য ডেটা থেকে অ্যাকাউন্ট খোলার ফর্ম পর্যন্ত সবকিছুর জন্য অটোফিল সিস্টেম শক্তিশালী করছে। প্রাথমিক এন্টারপ্রাইজ গ্রহণকারীরা রিপোর্ট করেছেন যে প্রযুক্তিটি প্রশাসনিক প্রক্রিয়াকরণের সময় 4.4 গুণ পর্যন্ত কমিয়ে দিচ্ছে।

মহাদেশের অনন্য ভাষাগত বাস্তবতা মোকাবেলায়, Intron অত্যন্ত বিশেষায়িত আঞ্চলিক বৈশিষ্ট্য চালু করেছে। কেনিয়ার Penda Health-এর সাথে সহযোগিতায়, তারা বিশ্বের প্রথম দ্বিভাষিক সোয়াহিলি-ইংরেজি অটোমেটিক স্পিচ রিকগনিশন (ASR) মডেল চালু করেছে, যা নিখুঁতভাবে ধারণ করে কীভাবে মানুষ স্বাভাবিকভাবে বাক্যের মাঝখানে ভাষা পরিবর্তন করে। 

এখানকার বাজারের জন্য, তারা একটি নেটিভ হাউসা টেক্সট-টু-স্পিচ (TTS) মডেল চালু করেছে, যা কম-লেটেন্সি, 24/7 ভয়েস বট সক্ষম করে। এবং ডেটা গোপনীয়তা উদ্বেগ নেভিগেট করা সরকার এবং এন্টারপ্রাইজের জন্য, Sahara-v2 রোলআউটে নতুন অফলাইন সাপোর্ট অন্তর্ভুক্ত রয়েছে, যা সার্বভৌম AI সম্মতির জন্য ডেটা সুরক্ষিত এবং স্থানীয় রাখার অনুমতি দেয়।

ছয়টি দেশ জুড়ে এন্টারপ্রাইজ এবং সরকারি ক্লায়েন্টরা ইতিমধ্যে সিস্টেমটি ব্যবহার করছে। ARM Investments-এর ডেটা ও ইনসাইটস প্রধান Ayo Oluleye উল্লেখ করেছেন, "Intron AI মডেল ব্যবহার করে, আমরা আগে যে মডেলগুলি অন্বেষণ করেছি তার তুলনায় ট্রান্সক্রিপশন এবং সারাংশে উল্লেখযোগ্য উন্নতি দেখেছি। তাদের সিস্টেমগুলি প্রসঙ্গ এবং সূক্ষ্মতা আরও ভালভাবে ক্যাপচার করে, যা আরও সঠিক ফলাফলের দিকে নিয়ে যায়।" Audere-এর CPO Sarah Morris এটি প্রতিধ্বনিত করেছেন, 99%+ API সাফল্যের হার এবং দক্ষিণ আফ্রিকান উচ্চারণে চমৎকার নির্ভুলতা রিপোর্ট করেছেন।

Sahara-v2 লঞ্চের পাশাপাশি, Intron তার উদ্বোধনী 2026 আফ্রিকা ভয়েস AI রিপোর্টও প্রকাশ করেছে। প্রকাশনাটি ইকোসিস্টেমের একটি ব্যাপক, প্রথম-ধরনের দৃষ্টিভঙ্গি প্রদান করে, যা স্টার্টআপ, বিনিয়োগকারী এবং নীতিনির্ধারকদের গাইড করার জন্য জটিল পরিবেশে ভয়েস AI স্থাপন থেকে শিখা পাঠগুলি বিস্তারিত করে।

এছাড়াও পড়ুন: Google 21টি আফ্রিকান ভাষায় AI প্রশিক্ষণ দেবে, যার মধ্যে ইওরুবা, হাউসা এবং ইগবো রয়েছে

নতুন ভাষাগুলির মধ্যে রয়েছে আফ্রিকান ফ্রেঞ্চ, আফ্রিকান্স, আকান, আমহারিক, আরবি, বেম্বা, ফুলানি, গা, হাউসা, ইগবো, কিনিয়ারওয়ান্ডা, লুগান্ডা, অরোমো, পেডি এবং পিজিন। অন্যান্যগুলি হল সেসোথো, শোনা, সোয়াহিলি, তোয়ানা, টুই, ওলোফ, জোসা, ইওরুবা এবং জুলু। এই সংযোজনগুলির সাথে, ডিজিটাল বিশ্বের দরজা অবশেষে প্রশস্ত হয়ে খুলছে। 

Intron-এর CEO Tobi Olatunji যেমন বলেছেন, "Sahara-v2 প্রমাণ করে যে যখন প্রযুক্তি গভীর সাংস্কৃতিক এবং ভাষাগত বোঝাপড়ার সাথে নির্মিত হয়, অসাধারণ জিনিসগুলি ঘটতে পারে এবং আমরা সবেমাত্র শুরু করেছি।"

পোস্ট Intron launches Sahara-v2, a voice AI model supporting 24 new African languages প্রথম Technext-এ উপস্থিত হয়েছে।