Havells bringt mit ElevenLabs mehrsprachige Sprachsteuerung in sein vernetztes Zuhause-Ökosystem

Voice Mode ist jetzt für die gesamte Havells-One-Nutzerbasis verfügbar – eine App mit rund 2,7 Millionen Downloads, die acht Sprachen in sieben Gerätekategorien unterstützt.

Havells zählt zu Indiens führenden Anbietern von Elektrogeräten und bietet ein breites Portfolio vernetzter Produkte, darunter Klimaanlagen, Ventilatoren, Luft- und Wasserreiniger, Warmwasserbereiter, Waschmaschinen und intelligente Schalter. Um das Smart-Home-Erlebnis zu erweitern, entwickelte das Havells Center for Research & Innovation (CRI) den Agentic AI Voice Mode: eine intelligente Gesprächsschnittstelle in der Havells-One-App. Sie ermöglicht es Nutzern, Geräte per natürlicher Sprachinteraktion auf Englisch und in mehreren indischen Sprachen zu steuern. Die Lösung wurde programmatisch auf ElevenAPI aufgebaut und nutzt Echtzeit-Streaming für Speech to Text (Scribe v2 Realtime) sowie Text to Speech (Eleven v3 Conversational), integriert mit dem proprietären intelligenten Agenten zur Gerätesteuerung von Havells.

Die frühere Sprachlösung von Havells unterstützte zunächst Englisch und später Hindi für ausgewählte Geräte, blieb jedoch befehlsbasiert. Nutzer mussten sich bestimmte Formulierungen und Aktivierungsmuster merken, damit Geräte korrekt reagierten. So sprechen indische Haushalte nicht natürlich: In einem Gespräch werden häufig Englisch, Hindi, Marathi und andere regionale Sprachen gemischt. Agentic AI Voice Mode kehrt dieses Prinzip um. Menschen sprechen natürlich, und das System versteht Absicht, Kontext und Sprache.

Latenz und Natürlichkeit entschieden die Bewertung

Havells bewertete mehrere KI-Sprachplattformen hinsichtlich Genauigkeit der Spracherkennung, Mehrsprachigkeit, Latenz und Sprachsynthese. Das Team stieß bei der Recherche nach Anbietern für hochwertiges Text-to-Speech-Streaming mit niedriger Latenz auf ElevenLabs. Aufgrund von Genauigkeit, Geschwindigkeit, Mehrsprachigkeit sowie der API-Dokumentation, des Dashboards, des Supports und der Beispielstimmen für indische Sprachen kam ElevenLabs in die engere Auswahl.

In direkten Vergleichstests zeigte sich der Unterschied daran, wie schnell und natürlich der Assistent reagierte. Für einen Smart-Home-Assistenten ist Latenz nicht nur ein technischer Wert. Eine verzögerte Antwort wirkt wie eine herkömmliche Sprachschnittstelle, eine schnelle wie ein Echtzeitgespräch. Natürlichkeit und Reaktionsfähigkeit in Echtzeit waren für Havells entscheidend und ausschlaggebend für die Entwicklung von Voice Mode mit ElevenLabs.

Acht Sprachen, die der tatsächlichen Sprache indischer Haushalte entsprechen

Voice Mode unterstützt Englisch und sieben indische Sprachen: Hindi, Tamil, Telugu, Bengalisch, Kannada, Gujarati und Malayalam. Nutzer steuern Geräte nach Gerät, Raum oder Szene mit natürlicher Sprache statt mit festen Befehlen.

Der Assistent interpretiert Sprachmischungen und Umgangssprache als Absicht statt als Syntax. Eine Anfrage wie „Yaar thoda thanda lag raha hai“ (Alter, mir ist etwas kalt) reduziert die Ventilatorgeschwindigkeit und passt die Klimaanlage an, ohne dass der Nutzer eines der Geräte benennen muss. 

.

Eine Gesprächsschnittstelle für die gesamte Havells-One-Plattform

Voice Mode deckt mehrere Kategorien intelligenter Geräte auf der Havells-One-Plattform ab: Klimaanlagen, Ventilatoren, Luftreiniger, Wasserreiniger, Warmwasserbereiter, Waschmaschinen, intelligente Schalter und kommende Geräte.

Die Abdeckung reicht tief in jede Kategorie und übergreifend über alle Kategorien hinweg. Sie umfasst Modelle und Varianten, bei denen Sprachbefehle Geschwindigkeit, Modi, Timer und Rückwärtslauf steuern.

Da dieselbe Gesprächsebene alle Kategorien verbindet, kann eine einzelne gesprochene Anweisung intelligente Havells-Geräte steuern, selbst wenn diese unterschiedliche Verbindungsprotokolle nutzen. „Geyser on karo aur fan bhi chalu karo“ (Schalte den Ventilator und den Warmwasserbereiter ein) wird aufgeteilt und gleichzeitig auf mehreren Havells-Geräten ausgeführt.

Kontextspeicherung und Klärung in mehrstufigen Gesprächen

Der Havells-Agent bietet im Produktivbetrieb zehn Funktionen: natürliches Sprachverständnis, Kontextspezicher, Orchestrierung mehrerer Geräte, Kontextverständnis, mehrsprachige KI, Aktivierung ohne Einrichtung, geräteübergreifende Steuerung über verschiedene Protokolle, wechselseitiges Gesprächsfeedback, Fehlerdiagnose und regelbasierte Automatisierung. In der Praxis bedeutet das:

• „Fan slow karo ... thoda aur“ (Verringere die Ventilatorgeschwindigkeit ... noch etwas) wird als Folgeanweisung interpretiert. Der Nutzer muss den vollständigen Befehl nicht wiederholen.
• „AC chalu karo“ führt in einem Zuhause mit zwei Klimaanlagen dazu, dass der Assistent nach dem Raum fragt, statt zu raten.
• „AC pe E6 dikh raha hai, kya hua?“ liefert eine leicht verständliche Erklärung des Fehlercodes und schlägt den nächsten Schritt vor.

Wechselseitiges Gesprächsfeedback ist hier ebenso wichtig wie Erkennung. Der Assistent bestätigt ausgeführte Aktionen, erklärt, was er nicht tun kann, und fragt nach, bevor er eine sonst mehrdeutige Aktion ausführt.

Vom Prototyp zur Produktion in sechs Wochen

Havells hatte etwa zwei Wochen nach Projektbeginn einen funktionsfähigen Agenten-Prototypen, der den Ablauf von der gesprochenen Anweisung über die Geräteaktion bis zur gesprochenen Antwort validierte. Die API-Dokumentation und das Dashboard, die die Plattformentscheidung beeinflussten, kamen auch beim Aufbau zum Einsatz. Das CRI-Team integrierte Streaming Speech to Text und Text to Speech direkt damit.

Die verbleibenden Wochen entfielen auf die Komplexität von Havells selbst, nicht auf die Sprachebene: den vollständigen mehrsprachigen Gerätekatalog, unterschiedliche Gerätefunktionen, komplexe Befehle, Sonderfälle und Wiederherstellungsszenarien. Das Forward-Deployed-Engineering-Team von ElevenLabs arbeitete mit Havells zusammen, um Sprachqualität und Aussprache für regionale indische Sprachen abzustimmen und das Streaming so zu konfigurieren, dass die Latenz auch bei steigender Zahl gleichzeitiger Sitzungen stabil blieb. Von der ersten Integration bis zum produktionsreifen Rollout dauerte es rund sechs Wochen.

Voice Mode steht jetzt der gesamten Havells-One-Nutzerbasis zur Verfügung, einer App mit mehr als 2,7 Millionen Downloads. Dieser Umfang liefert dem CRI-Team reale Interaktionsdaten, um Sprachen, Geräte und Befehlstypen weiter zu verbessern.

Ausblick

Havells betrachtet Agentic AI Voice Mode nicht als fertige Funktion, sondern als Grundlage für ein umfassenderes intelligentes Zuhause. Das Unternehmen hat vier Entwicklungsrichtungen definiert:

1. Tiefere Personalisierung, damit das Zuhause auf die Vorlieben und Tagesrhythmen einzelner Haushaltsmitglieder reagiert, statt alle Nutzer gleich zu behandeln.
2. Breitere Sprachunterstützung, da Sprache in Indien weiterhin die größte Hürde für die Akzeptanz ist und acht Sprachen erst der Anfang sind.
3. Ein sprachgesteuertes Gateway für das gesamte Havells-Ökosystem, das Apps, einzelne Geräte und Bedienfelder ergänzt, aktuell nicht vernetzte Geräte in das Ökosystem integriert und anschließend auf die Sprachplattform bringt.
4. Sprache über Ein/Aus- und Sollwertbefehle hinaus: Erweiterung um Produkt-FAQs, Fehlerbehebung, Automatisierungsroutinen und Zeitplanung.

Die vom CRI-Team nach der Philosophie „Made in India, Made for the World“ entwickelte Plattform verbindet globale Technologie mit einem tiefen Verständnis indischer Haushalte, Sprachen und Lebensweisen. Mit dem Wachstum des Ökosystems bleibt der Fokus darauf, das Erlebnis natürlich, reaktionsschnell, mehrsprachig und personalisiert zu halten. So passt sich Technologie an Menschen an, statt Menschen zur Anpassung an Technologie zu zwingen.