Reverie公司发布新款语音转文本模型，支持印地语、英语及Hinglish混合语言，适应印度多语言环境。该模型已处理300万次API调用，在银行和呼叫中心等行业应用中展现出高精确度和快速响应能力。
谷歌在iOS和Android版Chrome浏览器中新增AI模式快捷按钮，美国用户已可使用。该功能将逐步推广至160个国家，支持印地语、日语等多语言，方便用户快速访问AI搜索服务。
谷歌AI搜索功能结束仅支持英语状态，新增印地语、印尼语、日语、韩语和巴西葡萄牙语五种语言支持，向全球更多用户开放智能搜索体验。
谷歌宣布AI搜索功能“AI模式”新增支持印地语、印尼语、日语、韩语和巴西葡萄牙语，此前仅限英语用户使用。该功能经过六个月测试，旨在帮助用户用母语提出复杂问题，更深入地探索网络内容。
Alibaba
$1
Input tokens/M
$10
Output tokens/M
256
Context Length
$2
$20
-
$8
$240
52
$3.9
$15.2
64
$15.8
$12.7
Bytedance
$0.8
$0.15
$1.5
128
Baidu
32
$1.6
$4
Tencent
24
$2.4
$12
8
Iflytek
RinggAI
这是一个专为通话记录分析打造的混合语言AI模型，能够处理印地语、英语和混合印地英语的通话转录内容。模型基于Qwen2.5-1.5B-Instruct进行微调，具备强大的多语言理解和信息提取能力。
tiantiaf
基于openai/whisper-small优化的印度多语言分类模型，支持23种印度地区语言的精准识别，为语言识别领域提供高效解决方案。
Anjan9320
这是一个基于Facebook MMS项目的超轻量级印地语语音合成模型，采用VITS架构，能够将印地语文本转换为高质量、自然流畅的语音输出。模型专为印地语优化，具有高效的推理性能。
这是一个基于Facebook MMS项目的超轻量级印地语语音合成模型，专门针对女性声音进行了优化。该模型能够将印地语文本转换为自然流畅的女性语音，具有轻量级、高效运行的特点，支持随机时长预测器生成不同节奏的语音。
bharatgenai
Param 1是由BharatGen推出的英印双语语言模型，拥有29亿参数。该模型从零开始训练，支持英语和印地语，经过早期监督微调（SFT），可作为下游任务、安全测试和定制的基础。
ai4bharat
基于Wav2Vec2架构的印地语自动语音识别模型，由AI4Bharat开发
freddyaboulton
这是一个基于canopylabs/3b-hi-ft-research_release模型转换的GGUF格式模型，支持印地语文本处理。
ARTPARK-IISc
基于OpenAI的Whisper-Large-V3模型微调的印地语语音识别模型，训练数据包含约718小时的印地语转录语音
DeepMostInnovations
专为印地语文本训练的自定义前沿句子嵌入模型，采用先进的Transformer架构与专用池化策略，可生成高质量的印地语句子语义表示。
nashrah18
基于Helsinki-NLP/opus-mt-en-hi微调的英印地语翻译模型，专为印度旅行的单身女性游客优化地道表达
jiviai
AudioX是由Jivi AI开发的多语言自动语音识别模型，针对印度语言优化，支持印地语、古吉拉特语和马拉地语。
LingoIITGN
Ganga-2-1b是一个基于印地语数据集训练的指令微调模型，是Project Unity项目的一部分，旨在处理印度语言的多样性和丰富性。
Oriserve
基于Whisper架构优化的印地语-印地英语混合语音识别模型，专为印度口音和噪声环境优化
基于Whisper架构优化的印地语-印英混合语自动语音识别模型，支持噪声环境下的高精度转录
11mlabs
Indri是一个支持英语和印地语的文本转语音(TTS)模型，参数规模为124M，采用GGUF格式优化CPU推理。
SPRINGLab
基于F5架构从头开始训练的印地语文本转语音模型，由印度理工学院马德拉斯分校SPRING实验室开发。
Indri 是一个基于 Transformer 架构的新型、超小型、轻量级 TTS 模型，支持英语和印地语的文本转语音任务。
Indri 是一个基于Transformer架构的超小型轻量级TTS模型，支持英语和印地语的文本转语音任务。
Tejasva-Maurya
该模型是基于microsoft/speecht5_tts在common_voice_17_0数据集的印地语验证集上微调得到的语音合成模型。
ShigrafS
基于microsoft/speecht5_tts微调的印地语文本转语音模型
DS Core MCP服务器项目是一个基于DS Core开放API平台的医疗数据集成工具集，包含四个独立的MCP服务器，分别用于患者管理、文档管理、DICOM影像管理和数字印模管理，使大型语言模型能够安全便捷地访问医疗数据和服务。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
