先了解这件事
2026年10月13日,Sarvam AI 推出面向印度语言的文本转语音模型 Bulbul V4 Flash。据其官方博客,该模型在生产环境下首音频延迟低于 250 毫秒,定价为每 10,000 字符 20 卢比,比 Bulbul V3 的 30 卢比便宜三分之一;模型基于 V4 研究蒸馏而来,训练数据超过 4000 亿音频 token,语音库规模较 V3 扩大近七倍,并针对实时对话优化了推理栈。10月14日,Analytics India Magazine 报道称,该模型支持 11 种语言,提供 83 种音色和 224 种音色与风格组合,在可比负载下比 V3 快最多 40%,已通过 Sarvam API、Playground 和 Content Studio 开放,现有 Bulbul 用户可经原 API 迁移;Sarvam 还预览了主打情感表达的 Bulbul V4 Pro,但未公布发布时间与价格。目前该模型已开放使用。
AI 根据公开报道生成
事件进展
1 个已确认进展
- 来源：Sarvam AI Blog
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月14日
Analytics India Magazine
Sarvam AI 发布 Bulbul V4 Flash：11 种印度语言实时语音，首音频延迟低于 250 毫秒
Sarvam AI 推出文本转语音模型 Bulbul V4 Flash，支持 11 种语言，首音频延迟低于 250 毫秒，定价 ₹20/1 万字符，较 Bulbul V3 的 ₹30 降价三分之一。该模型提供 83 种音色和 224 种音色与风格组合，在可比负载下比 V3 快最多 40%，已通过 Sarvam API、Playground 和 Content Studio 开放，现有 Bulbul 用户可经原 API 迁移。Sarvam 还预览了主打情感表达的 Bulbul V4 Pro，但未公布发布时间与价格。
10月13日
Sarvam AI Blog一手
Sarvam AI 发布 Bulbul V4 Flash 文本转语音模型
Sarvam AI 推出面向印度语言的文本转语音模型 Bulbul V4 Flash，生产环境下首音频延迟低于 250 ms，定价为每 10,000 字符 20 卢比，比 Bulbul V3 的 30 卢比便宜三分之一。该模型基于 V4 研究蒸馏而来，训练数据超过 4000 亿音频 token，语音库规模较 V3 扩大近七倍，并针对实时对话优化了推理栈。