Havells incorpora control por voz multilingüe a su ecosistema de hogar conectado con ElevenLabs

Voice Mode ya está disponible para toda la base de usuarios de Havells One, una app con aproximadamente 2,7 millones de descargas, y admite ocho idiomas en siete categorías de dispositivos.

Havells es una de las principales empresas de productos eléctricos de India y ofrece una amplia cartera de productos conectados, como aires acondicionados, ventiladores, purificadores de aire y agua, calentadores de agua, lavadoras e interruptores inteligentes. Para mejorar la experiencia de hogar inteligente, el Centro de Investigación e Innovación (CRI) de Havells desarrolló Agentic AI Voice Mode, una interfaz conversacional inteligente integrada en la app Havells One que permite a usuarios controlar electrodomésticos mediante interacciones de voz naturales en inglés y varios idiomas indios. Está desarrollado mediante ծրագրación sobre ElevenAPI, mediante streaming en tiempo real de Voz a Texto (Scribe v2 Realtime) y Texto a Voz (Eleven v3 Conversational), integrados con el agente inteligente propietario de Havells para el control de dispositivos.

La anterior experiencia de voz de Havells admitía inicialmente inglés y, después, hindi en determinados electrodomésticos, pero seguía basándose en comandos. Usuarios tenían que recordar frases y patrones de activación específicos para que los dispositivos respondieran correctamente. No es así como hablan de forma natural los hogares indios, donde a menudo se mezclan inglés, hindi, maratí y otros idiomas regionales en una misma conversación. Agentic AI Voice Mode cambia esto. Las personas hablan de forma natural y el sistema entiende la intención, el contexto y el idioma.

La latencia y la naturalidad decidieron la evaluación

Havells evaluó varias plataformas de voz IA según la precisión del reconocimiento de idiomas, la compatibilidad multilingüe, la latencia y la síntesis de voz. El equipo descubrió ElevenLabs mientras investigaba proveedores de Texto a Voz por streaming de alta calidad y baja latencia, y seleccionó ElevenLabs por su precisión, velocidad y compatibilidad multilingüe, además de por la documentación de la API, el panel de control, el soporte y las voces de muestra en idiomas indios.

En las pruebas comparativas, la diferencia se apreciaba en la rapidez y naturalidad con la que respondía el asistente. Para un asistente de hogar inteligente, la latencia no es solo una medida técnica. Una respuesta tardía se percibe como una interfaz de voz tradicional, mientras que una rápida se siente como una conversación en tiempo real. La naturalidad y la capacidad de respuesta en tiempo real eran lo más importante para Havells, y ambas determinaron la decisión de crear Voice Mode con ElevenLabs.

Ocho idiomas que reflejan cómo hablan realmente los hogares indios

Voice Mode admite inglés y siete idiomas indios: hindi, tamil, télugu, bengalí, canarés, guyaratí y malayalam. Usuarios controlan dispositivos por electrodoméstico, habitación o escena, utilizando lenguaje natural en lugar de un conjunto fijo de comandos.

El asistente interpreta el habla coloquial y la mezcla de idiomas como una intención, no como sintaxis. Una petición como «Yaar thoda thanda lag raha hai» (Tío, tengo un poco de frío) reduce la velocidad del ventilador y ajusta el aire acondicionado sin que el usuario tenga que mencionar ninguno de los dos dispositivos. 

.

Una interfaz conversacional para toda la plataforma Havells One

Voice Mode abarca varias categorías de dispositivos inteligentes de la plataforma Havells One: aires acondicionados, ventiladores, purificadores de aire, purificadores de agua, calentadores de agua, lavadoras, interruptores inteligentes y próximos dispositivos.

La cobertura es amplia tanto dentro de cada categoría como entre ellas, e incluye modelos y variantes cuyos comandos de voz permiten controlar la velocidad, los modos, los temporizadores y la rotación inversa.

Como la misma capa conversacional está presente en todas las categorías, una sola instrucción hablada puede actuar sobre dispositivos inteligentes Havells aunque utilicen protocolos de conectividad distintos. «Geyser on karo aur fan bhi chalu karo» (Enciende el ventilador y el calentador de agua) se divide y ejecuta simultáneamente en varios dispositivos Havells.

Conservación del contexto y aclaraciones en conversaciones de varios turnos

El agente de Havells cuenta con diez capacidades en producción: comprensión del lenguaje natural, memoria de contexto, orquestación de varios dispositivos, reconocimiento del contexto, IA multilingüe, activación sin configuración, control de dispositivos entre protocolos, comentarios conversacionales bidireccionales, diagnóstico de errores y automatización basada en reglas. En la práctica, esto se traduce en:

• «Fan slow karo ... thoda aur» (Reduce la velocidad del ventilador... un poco más) se interpreta como una continuación, por lo que el usuario no tiene que repetir el comando completo.
• «AC chalu karo» en un hogar con dos aires acondicionados hace que el asistente pregunte en qué habitación, en lugar de adivinar.
• «AC pe E6 dikh raha hai, kya hua?» devuelve una explicación en lenguaje sencillo del código de error y el siguiente paso recomendado.

Los comentarios conversacionales bidireccionales importan tanto como el reconocimiento en este caso. El asistente confirma lo que ha hecho, explica lo que no puede hacer y pregunta antes de realizar una acción que, de otro modo, sería ambigua.

Del prototipo a producción en seis semanas

Havells tenía un prototipo funcional de su agente aproximadamente dos semanas después de iniciar el desarrollo, validando el recorrido desde el comando hablado hasta la acción del dispositivo y la respuesta verbal. La documentación de la API y el panel de control que determinaron la elección de la plataforma también se utilizaron durante el desarrollo, y el equipo de CRI integró directamente Voz a Texto y Texto a Voz por streaming con ellos.

Las semanas restantes se dedicaron a la complejidad propia de Havells, no a la capa de voz: el catálogo completo de dispositivos multilingüe, las distintas capacidades de los dispositivos, los comandos complejos, los casos límite y los escenarios de recuperación. El equipo de ingeniería de ElevenLabs, desplegado junto al cliente, trabajó con Havells para ajustar la calidad de voz y la pronunciación en idiomas regionales de India, y para configurar el streaming de modo que la latencia se mantuviera estable a medida que crecían las sesiones simultáneas. Desde la integración inicial hasta el lanzamiento listo para producción transcurrieron aproximadamente seis semanas.

Voice Mode ya está disponible para toda la base de usuarios de Havells One, una app que ha superado los 2,7 millones de descargas. Esta escala proporciona al equipo de CRI datos de interacción del mundo real para mejorar en distintos idiomas, dispositivos y tipos de comandos.

De cara al futuro

Havells considera Agentic AI Voice Mode la base de una experiencia de hogar inteligente más amplia, no una función terminada, y ha definido cuatro vías de expansión:

1. Personalización más profunda, para que el hogar responda a las preferencias y ritmos diarios de cada miembro del hogar, en lugar de tratar a todos los usuarios por igual.
2. Mayor cobertura de idiomas, partiendo de que el idioma sigue siendo la mayor barrera para la adopción en India y que ocho idiomas son solo un punto de partida.
3. Un acceso centrado en la voz a todo el ecosistema Havells, que complemente las apps, los dispositivos individuales y los paneles de control, e incorpore al ecosistema electrodomésticos que actualmente no están conectados para integrarlos después en la plataforma de voz.
4. Voz más allá de los comandos de encendido/apagado y valores de ajuste, ampliándola a preguntas frecuentes sobre productos, resolución de problemas, rutinas de automatización y programación.

Desarrollada por el equipo de CRI bajo la filosofía «Made in India, Made for the World», la plataforma combina tecnología global con un profundo conocimiento de los hogares, los idiomas y los estilos de vida de India. A medida que el ecosistema crece, el foco se mantiene en que la experiencia sea natural, ágil, multilingüe y personalizada, permitiendo que la tecnología se adapte a las personas en lugar de exigir que las personas se adapten a la tecnología.