Dust ने AI-चालित एंटरप्राइज वर्कफ़्लो में ElevenLabs का उपयोग कर बहुभाषी आवाज़ जोड़ी

Dust, the operating system for AI-native enterprises, now includes multilingual voice input and output - powered by ElevenLabs. Designed to integrate models into everyday work, Dust needed voice capabilities that could operate across languages, devices, and contexts with low latency and high realism.

यह खोजपूर्ण नहीं था। ग्राहकों की बार-बार की गई मांगों के बाद वॉइस एक प्रोडक्ट प्राथमिकता बन गई। परिणाम: एक सिस्टम जो यात्रा के दौरान हैंड्स-फ्री एजेंट इंटरैक्शन, वैश्विक टीमों के बीच बहुभाषी सहयोग, और असिंक्रोनस वर्कफ़्लो के लिए पेशेवर ऑडियो आउटपुट का समर्थन करता है।

एंटरप्राइज में वॉइस क्यों महत्वपूर्ण है

Dust ने कार्य संदर्भ में वॉइस के लिए चार महत्वपूर्ण आवश्यकताओं की पहचान की:

• प्राकृतिक गुणवत्ता जो जांच में खरी उतरे: वॉइस आउटपुट को पेशेवर और मानव जैसा सुनाई देना चाहिए - क्लाइंट ईमेल, पॉडकास्ट, या प्रोडक्ट डेमो में साझा करने के लिए उपयुक्त।
• डिफ़ॉल्ट रूप से बहुभाषी: टीमें वैश्विक कार्यालयों और भाषाओं में काम करती हैं। एक ही सत्र में फ्रेंच, अंग्रेजी, और जर्मन के बीच स्विच करना कोई असामान्य बात नहीं होनी चाहिए।
• कम विलंबता: इनपुट और आउटपुट दोनों के लिए, प्रतिक्रिया गति को विचार और बातचीत की गति से मेल खाना चाहिए।
• एंटरप्राइज-ग्रेड डेटा हैंडलिंग: कोई डेटा रिटेंशन नहीं, क्षेत्र-आधारित रूटिंग, और SOC2 और GDPR के साथ अनुपालन अनिवार्य थे।

Dust ने ElevenLabs को क्यों चुना

OpenAI, Google, Deepgram, और AssemblyAI सहित प्रदाताओं का मूल्यांकन करने के बाद, Dust ने ElevenLabs को उसकी उच्च गुणवत्ता और तैनाती की तत्परता के लिए चुना:

• टेक्स्ट टू स्पीच आवाज़ें लगातार उच्च यथार्थवाद और व्यापक भावनात्मक रेंज के साथ प्रदान की गईं - Dust के स्पीच जनरेटर और साउंड स्टूडियो टूल्स के लिए महत्वपूर्ण।
• स्पीच टू टेक्स्ट ने 99 ट्रांसक्रिप्शन भाषाओं का समर्थन किया, मजबूत क्रॉस-लैंग्वेज फिडेलिटी के साथ।
• शून्य डेटा रिटेंशन और मल्टी-रीजन रूटिंग ने एंटरप्राइज अनुपालन को बॉक्स से बाहर सुनिश्चित किया।
• प्रोडक्शन-ग्रेड SDKs और APIs ने प्लेटफॉर्म्स में तेज़ी से एकीकरण और लगातार प्रदर्शन सक्षम किया।

Dust ने वॉइस को कैसे एकीकृत किया

Dust ने दो मुख्य वर्कफ़्लो में वॉइस सपोर्ट बनाया:

1. वॉइस इनपुट: एजेंट्स से बात करना

ElevenLabs के scribe_v1 मॉडल का उपयोग करके, यूज़र्स अब माइक्रोफोन के माध्यम से एजेंट्स से बात कर सकते हैं। सिस्टम स्वचालित रूप से बोली गई भाषा का पता लगाता है, उसे ट्रांसक्राइब करता है, और अनुरोध को उसी के अनुसार रूट करता है, यहां तक कि प्राकृतिक भाषण से एजेंट नामों का अनुमान लगाता है।

वॉइस इनपुट मोबाइल पर उपलब्ध है, उन क्षणों के साथ मेल खाता है जब टाइपिंग सबसे कम सुविधाजनक होती है।

2. वॉइस आउटपुट: एजेंट्स द्वारा उत्पन्न ऑडियो

स्पीच जनरेटर के माध्यम से, Dust एजेंट्स ElevenLabs के eleven_multilingual_v2 और eleven_v3 मॉडल का उपयोग करके ऑडियो सामग्री बना सकते हैं। आउटपुट में पॉडकास्ट, ब्रीफिंग्स, और नैरेटिव ऑडियो आर्टिफैक्ट्स शामिल हैं—आंतरिक उपभोग और बाहरी साझाकरण दोनों के लिए उपयोग किया जाता है।

साउंड स्टूडियो, द्वारा संचालित टेक्स्ट टू साउंड इफेक्ट्स, प्रशिक्षण और सामग्री उपयोग मामलों के लिए गैर-मौखिक ऑडियो लेयर्स जोड़ता है।

Dust ने क्या सीखा

• क्षेत्रीय रूटिंग महत्वपूर्ण है: EU/US क्षेत्र चयन सक्षम करने से विलंबता कम हुई और अनुपालन वार्तालापों में आसानी हुई।
• क्यूरेशन प्रचुरता से बेहतर है: 12 आवाज़ों का एक क्यूरेटेड सेट निर्णय थकान को कम करता है जबकि सभी मुख्य आवश्यकताओं को कवर करता है।
• गुणवत्ता > गति: तेज़ मॉडल उपलब्ध होने के बावजूद, यूज़र्स ने उत्पादन सामग्री के लिए लगातार उच्च-विश्वसनीयता वाली आवाज़ों को चुना।

यह क्या सक्षम करता है

• मोबाइल-फर्स्ट उत्पादकता: चलते-फिरते विचारों को कैप्चर करें और सहयोग करें।
• बहुभाषी सहयोग: अपनी भाषा में स्वाभाविक रूप से बोलें—एजेंट बाकी संभालते हैं।
  सुलभ, असिंक्रोनस वर्कफ़्लो: शोध को ऑडियो में बदलें, इनपुट बाधाओं को कम करें, और विविध कार्य शैलियों का समर्थन करें।

आगे क्या है

Dust वास्तविक समय कन्वर्सेशनल वॉइस एजेंट्स, ट्रांसक्रिप्शन से परे गहरी ऑडियो समझ, और मीटिंग्स और प्रस्तुतियों जैसे लंबे इनपुट के लिए समर्थन का पता लगा रहा है। ElevenLabs को एकीकृत करके, Dust एंटरप्राइज AI का एक सहज हिस्सा बनाता है।