Bulbul v3
द्वारा Sarvam AI · रिलीज़ February 5, 2026
Sarvam AI's natural text-to-speech model. 37 voices across 11 Indian languages with production-ready quality. Supports SSML for fine-grained control over speed, pitch, pauses, and emphasis. Handles code-mixed text and number normalization out of the box.
Bulbul v3
द्वारा संचालित Sarvam AI · Proprietary TTS model
कॉन्टेक्स्ट विंडो
N/A
पैरामीटर
Undisclosed
अधिकतम आउटपुट
N/A
श्रेणी
टेक्स्ट टू स्पीच
अवलोकन
Bulbul v3, released February 5, 2026, is Sarvam AI's production-ready text-to-speech model offering 37 natural-sounding voices across 11 Indian languages. The voices are designed to sound natural and conversational rather than robotic, making them suitable for customer-facing applications like IVR systems, voice agents, and telephony platforms.
The model supports SSML (Speech Synthesis Markup Language) for fine-grained control over prosody — developers can adjust speed, pitch, volume, add pauses, and emphasize specific words. It handles code-mixed text natively, correctly pronouncing Hindi-English mixed sentences without requiring language tags. Number normalization, date formatting, and currency reading are handled automatically.
Bulbul v3 is production-ready for telephony and call center deployments, with consistent quality across all 37 voices and 11 languages. The voices cover a range of genders, ages, and regional accents, allowing applications to match the voice to their target audience. At $0.53 per 10K characters, it is competitively priced for high-volume TTS workloads.
प्राइसिंग
| मेट्रिक | कीमत |
|---|---|
| कीमत /10K chars | ₹53.0000 |
1 क्रेडिट = ₹1 = $0.01 USD। कीमतें प्रोवाइडर से दिखाई गई हैं; CallMissed ~35% मार्कअप के साथ पास-थ्रू करता है।
मुख्य बातें
- 37 natural voices across 11 Indian languages
- प्रोसोडी, विराम, ज़ोर के लिए SSML सपोर्ट
- कोड-मिक्स्ड टेक्स्ट हैंडलिंग (Hinglish आदि)
- कॉल सेंटर और टेलीफ़ोनी के लिए प्रोडक्शन-रेडी
बेंचमार्क
| बेंचमार्क | स्कोर |
|---|---|
| MOS Score | 4.2/5 |
| Voices | 37 |
| Languages | 11 |
| SSML Support | Full |
तकनीकी विवरण
- 11 भारतीय भाषाओं में 39 प्राकृतिक-सुनाई आवाज़ें
- SSML सपोर्ट: गति, पिच, वॉल्यूम, विराम, ज़ोर, फ़ोनेम
- मूल कोड-मिक्स्ड टेक्स्ट हैंडलिंग (Hinglish, Tanglish आदि)
- स्वचालित संख्या सामान्यीकरण, तारीख फ़ॉर्मेटिंग, मुद्रा पढ़ना
- टेलीफ़ोनी और कॉल सेंटर डिप्लॉयमेंट के लिए प्रोडक्शन-रेडी
- सभी आवाज़ों और भाषाओं में सुसंगत गुणवत्ता
ताकतें
- 37 natural voices — widest selection for Indian languages
- बारीक प्रोसोडी नियंत्रण के लिए पूर्ण SSML सपोर्ट
- भाषा टैग के बिना मूल कोड-मिक्स्ड टेक्स्ट हैंडलिंग
- टेलीफ़ोनी और कॉल सेंटर के लिए प्रोडक्शन-रेडी गुणवत्ता
सीमाएं
- केवल 11 भारतीय भाषाएँ — वैश्विक भाषा कवरेज नहीं
- वॉयस क्लोनिंग और कस्टम आवाज़ निर्माण अभी सपोर्टेड नहीं
- बहुत लंबे टेक्स्ट इनपुट पर ऑडियो गुणवत्ता भिन्न हो सकती है
उपयोग के मामले
API उदाहरण
curl https://api.callmissed.com/v1/audio/speech \
-H "Authorization: Bearer cm_YOUR_KEY" \
-d '{"model": "bulbul:v3", "input": "Namaste, aapka order confirm ho gaya hai.", "voice": "meera"}' \
--output speech.mp3एंडपॉइंट: POST /v1/audio/speech · मॉडल ID: bulbul:v3
Bulbul v3 अभी आज़माएं
साइनअप पर 1000 फ्री API क्रेडिट पाएं। कोई क्रेडिट कार्ड ज़रूरी नहीं।