SquadStack.ai 正式发布 Arth V2，这是一款专为印度电话对话设计的流式语音转文本模型。该公司声称，该模型在针对印度市场的基准测试中实现了极低延迟，并能有效处理通话中的“代码切换”（code-switching）现象。
在包含 863 通真实销售通话的数据集上，Arth V2 的语义词错误率为 8.85%。虽然这一数值略高于 Soniox v5 的 8.77%，但 SquadStack.ai 强调其在速度与准确性组合上的优势：在 80% 的情况下，该模型能在客户结束发言后的 67 毫秒内返回最终转录结果。公司表示，暂无其他测试引擎能匹敌这一综合表现。
在防止语义扭曲方面，Arth V2 表现优于多家主流竞品。与 Sarvam Saaras v4 相比，其改变原意的错误减少了 18%；较 Google Gemini 3.5 Transcribe 少 26%；比 OpenAI gpt-live-transcribe 少 28%。该基准测试基于 8 千赫窄带电话音频，超过五分之四的语音时长涉及代码混合，近九成通话包含背景噪音，评分重点在于识别贷款金额或付款日期等关键意图的错误。
实际部署数据方面，Arth V2 在两个月内处理了超过 1 亿分钟的实时客户通话，承担了 SquadStack.ai 每日 500 多万次 AI 通话中的 80%。该模型完全基于内部训练，使用了涵盖超过 1000 万名独特说话人的 6 亿分钟印度销售对话数据。
SquadStack.ai 联合创始人兼首席执行官 Apurv Agrawal 指出，语音转文本仍是语音 AI 代理最大的故障点，“如果向语言模型输入错误的单词，它就会给出错误的答案。”联合创始人兼首席技术官 Vikas Gulati 表示，公司将 SquadStack.ai 打造为“模型工厂”，随着性能提升不断更新 Arth，每当新版本表现优于生产环境版本时即进行发布。
目前，Arth V2 已运行于面向企业客户的语音 AI 代理中，并向希望自行测试的团队提供封闭测试版。此外，该公司已在 Hugging Face 上公开了基准测试的音频、参考转录文本及评分方法。