Bodhan AI, Centre of Excellence in AI for Education incubato presso l’Indian Institute of Technology Madras, ha presentato insieme ad AI4Bharat quattro modelli fondamentali di intelligenza artificiale dedicati alle lingue indiane. Il progetto comprende tecnologie per riconoscimento automatico del parlato, traduzione automatica, riconoscimento ottico dei caratteri e sintesi vocale, costruite come componenti riutilizzabili all’interno del Bharat EduAI Stack. I modelli vengono distribuiti come Digital Public Goods attraverso pesi aperti e API ospitate su un’infrastruttura digitale sovrana, permettendo a università, startup, aziende EdTech, ricercatori, imprese tecnologiche e amministrazioni pubbliche di integrare queste capacità nei propri servizi senza dover sviluppare e addestrare da zero i relativi modelli linguistici e multimodali. Bodhan AI opera come società Section 8 incubata presso IIT Madras e sostenuta dal Ministero dell’Istruzione indiano, con l’obiettivo di creare un’infrastruttura AI comune per il sistema educativo multilingue del Paese.
Per il riconoscimento vocale è stato sviluppato Indic-Transcribe, un modello da 1,2 miliardi di parametri addestrato su circa 1,3 milioni di ore di audio. Supporta 26 lingue indiane più l’inglese e tiene conto non soltanto delle differenze linguistiche, ma anche di accenti regionali, conversazioni nelle quali vengono mescolate più lingue e parlato infantile. Il modello è stato post-addestrato a partire da NVIDIA Nemotron 3.5 ASR e punta a consentire a studenti e insegnanti di utilizzare sistemi digitali attraverso la propria lingua e il proprio accento. La raccolta dei dati vocali dei bambini è stata effettuata prevedendo consenso dei genitori, assenso dei minori e le relative autorizzazioni. Pur essendo sviluppato principalmente per il settore educativo, Indic-Transcribe può costituire un livello vocale utilizzabile anche in applicazioni EdTech, sanitarie, finanziarie, amministrative e in altri servizi destinati alla popolazione indiana.
Il secondo componente è Indic-Translate, dedicato alla traduzione tra l’inglese e le 22 lingue previste dall’ottavo allegato della Costituzione indiana, in entrambe le direzioni. Il modello utilizza una finestra contestuale fino a 32.000 token, che gli consente di elaborare documenti completi invece di tradurre separatamente singole frasi. L’obiettivo è mantenere coerenti nel corso di tutto il documento nomi, termini specialistici e riferimenti contestuali. Indic-Translate preserva inoltre la struttura dei contenuti originali e può quindi gestire elementi come equazioni presenti nei documenti scientifici, tabelle, elenchi e intere pagine web senza eliminare l’organizzazione del testo. Il sistema è stato sviluppato anche per lingue con quantità relativamente limitate di dati disponibili per l’addestramento, evitando di concentrare il supporto esclusivamente sugli idiomi maggiormente rappresentati nei dataset.
Per l’elaborazione dei documenti è stato realizzato IndicOCR, un modello di visione da circa 0,8 miliardi di parametri addestrato su oltre 15 milioni di documenti. Non è limitato alle pagine digitali pulite, ma è progettato per riconoscere materiale più vicino a quello realmente utilizzato nel sistema educativo: quaderni manoscritti, documenti con impaginazioni complesse, vecchi giornali deteriorati, scrittura corsiva, tabelle disegnate manualmente e documenti contenenti contemporaneamente più lingue e diversi tipi di elementi grafici. È stato testato anche su scritture spesso poco rappresentate nei sistemi OCR, tra cui quelle utilizzate per kashmiri, santali e manipuri con alfabeto Meetei Mayek. Secondo i risultati comunicati dal progetto, il modello risulta competitivo nei benchmark OmniDocBench e olmOCR-bench anche rispetto a sistemi con dimensioni quattro o cinque volte superiori.
La componente di sintesi vocale è invece Indic-Speak, un modello da 4 miliardi di parametri capace di generare parlato in 23 lingue. È stato sviluppato per gestire naturalmente anche il code-mixing, cioè frasi nelle quali vengono alternati vocaboli appartenenti a lingue diverse. Può inoltre produrre conversazioni con due interlocutori in una singola generazione utilizzando tag associati agli speaker per determinare i turni di parola, evitando di generare separatamente le due voci e unirle successivamente. Il modello gestisce anche la normalizzazione e la pronuncia di elementi difficili per molti sistemi text-to-speech, come numeri di modello, importi monetari e sequenze strutturate analoghe agli identificativi PAN e Aadhaar. Nel complesso, i quattro modelli coprono quindi le principali operazioni necessarie per trasformare voce, testo e documenti nelle diverse lingue utilizzate nel sistema educativo indiano: trascrivere, tradurre, leggere e sintetizzare.
Sul piano dell’infrastruttura, Bodhan AI ha utilizzato modelli open NVIDIA Nemotron e librerie del framework NVIDIA NeMo per attività relative a riconoscimento vocale, traduzione automatica e OCR. Per l’esecuzione dei modelli vengono impiegati NVIDIA TensorRT-LLM e microservizi di inferenza basati su vLLM. La distribuzione tramite open weights e API sovrane è pensata per creare uno strato tecnologico condiviso: i soggetti che sviluppano applicazioni educative possono utilizzare i modelli fondamentali esistenti e concentrarsi sui propri servizi invece di replicare gli stessi investimenti nell’addestramento delle tecnologie linguistiche di base. I modelli vengono resi disponibili attraverso Bodhan AI a partire dal 5 settembre 2026.
Accanto ai quattro modelli fondamentali sono stati introdotti anche due strumenti applicativi rivolti direttamente al mondo scolastico: un TutorBot per gli studenti e un Teacher Assistant Bot per gli insegnanti. TutorBot è destinato agli studenti delle classi dalla sesta alla dodicesima e utilizza i programmi NCERT e SCERT. È possibile interagire con il sistema tramite testo o voce in 22 lingue indiane; il bot utilizza i contenuti dei libri di testo per fornire spiegazioni, esempi ed esercizi di valutazione e può accompagnare lo studente nella soluzione dei problemi attraverso strumenti interattivi e una superficie digitale sulla quale svolgere calcoli, costruire diagrammi e mostrare i diversi passaggi del procedimento.
Il Teacher Assistant Bot funziona invece come ambiente AI di supporto alla preparazione e alla gestione dell’attività didattica. Gli insegnanti possono utilizzarlo per pianificare lezioni e produrre materiali come schede di lavoro, quiz, compiti ed esercizi di ripasso specificando parametri quali classe, materia, argomento, durata dell’attività e livello di difficoltà. È inoltre possibile caricare il lavoro svolto dagli studenti e valutarlo sulla base di criteri di correzione definiti dall’insegnante. I contenuti generati dall’intelligenza artificiale non vengono comunque utilizzati automaticamente nelle decisioni didattiche: rimangono sottoposti alla revisione del docente, che può modificarli, rigenerarli oppure eliminarli.
I modelli e i due assistenti costituiscono componenti del Bharat EduAI Stack, l’infrastruttura pubblica digitale che Bodhan AI sta costruendo per applicare sistemi di intelligenza artificiale al settore educativo indiano mantenendo un supporto esteso alle diverse lingue e modalità di interazione utilizzate da studenti e insegnanti. L’architettura è concepita come base condivisa e interoperabile sulla quale soggetti pubblici e privati possono sviluppare applicazioni educative, sistemi di tutoraggio, valutazione, produzione dei contenuti e servizi vocali senza dover ricostruire autonomamente i modelli fondamentali necessari a gestire parlato, traduzione e documenti multilingue.