Havells, ElevenLabs के साथ अपने कनेक्टेड होम इकोसिस्टम में बहुभाषी वॉइस कंट्रोल लेकर आया
- प्रकाशित
सुनेंइस आर्टिकल को सुनें
Voice Mode अब Havells One के पूरे यूज़र बेस के लिए लाइव है। करीब 2.7 मिलियन डाउनलोड वाले इस ऐप में सात डिवाइस कैटेगरी में आठ भाषाओं का समर्थन है।
Havells भारत की अग्रणी इलेक्ट्रिकल गुड्स कंपनियों में से एक है। इसके कनेक्टेड प्रोडक्ट्स की विस्तृत रेंज में एयर कंडीशनर, पंखे, एयर और वॉटर प्यूरीफायर, वॉटर हीटर, वॉशिंग मशीन और स्मार्ट स्विच शामिल हैं। स्मार्ट होम अनुभव को बेहतर बनाने के लिए Havells सेंटर फॉर रिसर्च एंड इनोवेशन (CRI) ने Agentic AI Voice Mode विकसित किया है। यह Havells One ऐप में मौजूद एक स्मार्ट कन्वर्सेशनल इंटरफ़ेस है, जो यूज़र्स को अंग्रेज़ी और कई भारतीय भाषाओं में स्वाभाविक वॉइस इंटरैक्शन के ज़रिए उपकरण नियंत्रित करने देता है। इसे प्रोग्रामेटिक रूप से ElevenAPI पर बनाया गया है, जिसमें रियल-टाइम स्ट्रीमिंग स्पीच टू टेक्स्ट (Scribe v2 Realtime) और टेक्स्ट टू स्पीच (Eleven v3 Conversational) को Havells के अपने इंटेलिजेंट डिवाइस-कंट्रोल एजेंट के साथ इंटीग्रेट किया गया है।
Havells के पुराने वॉइस अनुभव में शुरुआत में चुनिंदा उपकरणों के लिए अंग्रेज़ी और फिर हिंदी का समर्थन था, लेकिन वह कमांड-आधारित ही था। सही प्रतिक्रिया पाने के लिए यूज़र्स को खास वाक्यांश और इनवोकेशन पैटर्न याद रखने पड़ते थे। भारतीय घरों में लोग स्वाभाविक रूप से ऐसे नहीं बोलते—वे अक्सर एक ही बातचीत में अंग्रेज़ी, हिंदी, मराठी और अन्य क्षेत्रीय भाषाएं मिला देते हैं। Agentic AI Voice Mode इसे बदल देता है। लोग स्वाभाविक रूप से बोलते हैं और सिस्टम उनके इरादे, संदर्भ और भाषा को समझता है।
लेटेंसी और स्वाभाविकता ने मूल्यांकन तय किया
Havells ने कई वॉइस AI प्लेटफ़ॉर्म का मूल्यांकन भाषा पहचान की सटीकता, बहुभाषी समर्थन, लेटेंसी और वॉइस सिंथेसिस के आधार पर किया। उच्च-गुणवत्ता वाले, कम-लेटेंसी स्ट्रीमिंग टेक्स्ट टू स्पीच देने वाले प्रदाताओं पर शोध करते समय टीम को ElevenLabs मिला। सटीकता, गति और बहुभाषी समर्थन के साथ-साथ API डॉक्यूमेंटेशन, डैशबोर्ड, सहायता और भारतीय भाषाओं की सैंपल वॉइसेज़ के आधार पर उन्होंने ElevenLabs को शॉर्टलिस्ट किया।
आमने-सामने के परीक्षण में अंतर असिस्टेंट के जवाब की गति और स्वाभाविकता में दिखा। स्मार्ट होम असिस्टेंट के लिए लेटेंसी केवल तकनीकी पैमाना नहीं है। देर से आया जवाब पारंपरिक वॉइस इंटरफ़ेस जैसा लगता है, जबकि तेज़ जवाब रियल-टाइम बातचीत जैसा लगता है। Havells के लिए स्वाभाविकता और रियल-टाइम रिस्पॉन्सिवनेस सबसे अहम थे, और इन्हीं के आधार पर Voice Mode को ElevenLabs पर बनाने का फैसला लिया गया।
आठ भाषाएं, जिनमें भारतीय घर वास्तव में बोलते हैं
Voice Mode अंग्रेज़ी और सात भारतीय भाषाओं—हिंदी, तमिल, तेलुगु, बंगाली, कन्नड़, गुजराती और मलयालम—का समर्थन करता है। यूज़र्स तय कमांड सेट के बजाय स्वाभाविक भाषा में उपकरण, कमरे या सीन के हिसाब से डिवाइस नियंत्रित कर सकते हैं।
असिस्टेंट कोड-मिश्रित और बोलचाल की भाषा को सिंटैक्स नहीं, बल्कि इरादे के रूप में समझता है। उदाहरण के लिए, "यार थोड़ा ठंडा लग रहा है" (भाई, मुझे थोड़ा ठंड लग रही है) कहने पर यूज़र को किसी डिवाइस का नाम लिए बिना पंखे की गति कम हो जाती है और एयर कंडीशनर एडजस्ट हो जाता है।
.
Havells One प्लेटफ़ॉर्म पर एक कन्वर्सेशनल इंटरफ़ेस
Voice Mode, Havells One प्लेटफ़ॉर्म पर कई स्मार्ट डिवाइस कैटेगरी को कवर करता है: एयर कंडीशनर, पंखे, एयर प्यूरीफायर, वॉटर प्यूरीफायर, वॉटर हीटर, वॉशिंग मशीन, स्मार्ट स्विच और आने वाले डिवाइस।
इसका दायरा हर कैटेगरी के भीतर भी गहरा है और सभी कैटेगरी में भी फैला है। अलग-अलग मॉडल और वेरिएंट में वॉइस कमांड से स्पीड, मोड, टाइमर और रिवर्स रोटेशन नियंत्रित किए जा सकते हैं।
एक ही कन्वर्सेशनल लेयर सभी कैटेगरी में होने के कारण, एक बोला गया निर्देश अलग-अलग कनेक्टिविटी प्रोटोकॉल इस्तेमाल करने वाले स्मार्ट Havells डिवाइस पर भी काम कर सकता है। "गीज़र ऑन करो और फैन भी चालू करो" (पंखा और गीज़र चालू करो) को अलग-अलग निर्देशों में बांटकर एक साथ कई Havells डिवाइस पर लागू किया जाता है।
मल्टी-टर्न बातचीत में संदर्भ बनाए रखना और स्पष्टीकरण
Havells का एजेंट प्रोडक्शन में दस क्षमताओं के साथ काम करता है: नेचुरल लैंग्वेज अंडरस्टैंडिंग, कॉन्टेक्स्ट मेमोरी, मल्टी-डिवाइस ऑर्केस्ट्रेशन, कॉन्टेक्स्ट अवेयरनेस, बहुभाषी AI, ज़ीरो-सेटअप एक्टिवेशन, क्रॉस-प्रोटोकॉल डिवाइस कंट्रोल, दो-तरफ़ा कन्वर्सेशनल फ़ीडबैक, एरर डायग्नॉस्टिक्स और नियम-आधारित ऑटोमेशन। व्यवहार में यह ऐसा दिखता है:
- "फैन स्लो करो ... थोड़ा और" (पंखे की स्पीड कम करो... थोड़ा और) को अगले निर्देश के रूप में समझा जाता है, इसलिए यूज़र को पूरा कमांड दोबारा नहीं बोलना पड़ता।
- "AC चालू करो" दो एयर कंडीशनर वाले घर में असिस्टेंट को अनुमान लगाने के बजाय यह पूछने के लिए प्रेरित करता है कि किस कमरे का AC चालू करना है।
- "AC पे E6 दिख रहा है, क्या हुआ?" पर एरर कोड का आसान भाषा में मतलब और अगला सुझाया गया कदम बताया जाता है।
यहां दो-तरफ़ा कन्वर्सेशनल फ़ीडबैक उतना ही महत्वपूर्ण है जितनी पहचान की सटीकता। असिस्टेंट यह पुष्टि करता है कि उसने क्या किया है, जो वह नहीं कर सकता उसे समझाता है, और जो कार्रवाई अस्पष्ट हो सकती है उसे करने से पहले पूछता है।
छह हफ्तों में प्रोटोटाइप से प्रोडक्शन तक
बिल्ड शुरू होने के लगभग दो हफ्ते बाद Havells के पास अपने एजेंट का काम करने वाला प्रोटोटाइप था, जिसने बोले गए कमांड से डिवाइस एक्शन और फिर बोले गए जवाब तक के पूरे प्रवाह को सत्यापित किया। प्लेटफ़ॉर्म चुनने में अहम रहे API डॉक्यूमेंटेशन और डैशबोर्ड को बिल्ड में भी इस्तेमाल किया गया, और CRI टीम ने स्ट्रीमिंग स्पीच टू टेक्स्ट और टेक्स्ट टू स्पीच को सीधे इनके साथ इंटीग्रेट किया।
बाकी हफ्ते स्पीच लेयर के बजाय Havells की अपनी जटिलताओं पर लगे: पूरा बहुभाषी डिवाइस कैटलॉग, डिवाइस की अलग-अलग क्षमताएं, जटिल कमांड, एज केस और रिकवरी सिनेरियो। ElevenLabs की फॉरवर्ड-डिप्लॉयड इंजीनियरिंग टीम ने Havells के साथ मिलकर क्षेत्रीय भारतीय भाषाओं के लिए वॉइस क्वालिटी और उच्चारण को बेहतर बनाया। साथ ही, स्ट्रीमिंग सेटअप को इस तरह कॉन्फ़िगर किया कि एक साथ चलने वाले सेशन बढ़ने पर भी लेटेंसी स्थिर रहे। शुरुआती इंटीग्रेशन से प्रोडक्शन-रेडी रोलआउट तक लगभग छह हफ्ते लगे।
Voice Mode अब पूरे Havells One यूज़र बेस के लिए उपलब्ध है, और इस ऐप के 2.7 मिलियन से ज़्यादा डाउनलोड हो चुके हैं। इस स्तर पर CRI टीम को भाषाओं, डिवाइस और कमांड के प्रकारों में सुधार के लिए वास्तविक दुनिया के इंटरैक्शन डेटा मिलते हैं।
यह Agentic AI Voice क्षमता हमारे ग्राहकों के लिए एक बड़ी उपलब्धि है। इससे वे कमांड याद रखे या नियम सीखे बिना, अपने डिवाइस को स्वाभाविक रूप से नियंत्रित कर सकते हैं और उनसे इंटरैक्ट कर सकते हैं। इसकी संभावनाएं असीमित हैं और हमारे डिवाइस और सेवाओं में नई क्षमताएं जुड़ने के साथ यह लगातार बढ़ती रहेंगी। रोज़मर्रा के इस्तेमाल वाले AI अनुभव के रूप में, यह पुराने पारंपरिक वॉइस इंटरफ़ेस से कहीं आगे AI एजेंट्स की बदलाव लाने की क्षमता दिखाता है। इस सुविधा का उपयोग करने के लिए उपभोक्ताओं को बस अपने Havells One ऐप में एक Havells Smart डिवाइस रजिस्टर करना होगा
- दीपेश शाह, एक्ज़ीक्यूटिव प्रेसिडेंट और CTO, Havells
सौ वर्षों से उपकरण उद्योग प्रोडक्ट बेचता आया है। अब हम जो बना रहे हैं, वह एक रिश्ता है—एक ऐसा घर जो उसमें रहने वाले परिवार की भाषा और लय को महसूस करता है, सीखता है और उसका जवाब देता है।
- हरिकुमार वैरियर, सीनियर वाइस प्रेसिडेंट, CRI IoT, Havells
आगे की राह
Havells, Agentic AI Voice Mode को एक तैयार फीचर नहीं, बल्कि व्यापक इंटेलिजेंट होम अनुभव की नींव मानता है। विस्तार के लिए उसने चार दिशाएं तय की हैं:
- ज़्यादा गहरा पर्सनलाइज़ेशन, ताकि घर हर यूज़र के साथ एक जैसा व्यवहार करने के बजाय परिवार के हर सदस्य की पसंद और रोज़मर्रा की लय के मुताबिक प्रतिक्रिया दे।
- भाषाओं का व्यापक समर्थन, क्योंकि भारत में भाषा अब भी अपनाने में सबसे बड़ी बाधा है और आठ भाषाएं केवल शुरुआत हैं।
- वॉइस-फर्स्ट गेटवे पूरे Havells इकोसिस्टम के लिए, जो ऐप्स, अलग-अलग डिवाइस और कंट्रोल पैनल का पूरक बनेगा, और अभी असंबद्ध उपकरणों को इकोसिस्टम में तथा फिर वॉइस प्लेटफ़ॉर्म पर लाएगा।
- सिर्फ ऑन/ऑफ और सेट-पॉइंट कमांड से आगे वॉइस का इस्तेमाल, जिसे प्रोडक्ट FAQs, ट्रबलशूटिंग, ऑटोमेशन रूटीन और शेड्यूलिंग तक बढ़ाया जाएगा।
"मेड इन इंडिया, मेड फॉर द वर्ल्ड" के सिद्धांत पर CRI टीम द्वारा विकसित यह प्लेटफ़ॉर्म, वैश्विक तकनीक को भारतीय घरों, भाषाओं और जीवनशैली की गहरी समझ के साथ जोड़ता है। इकोसिस्टम के बढ़ने पर भी फोकस अनुभव को स्वाभाविक, तेज़ प्रतिक्रिया देने वाला, बहुभाषी और पर्सनलाइज़्ड बनाए रखने पर है—ताकि तकनीक लोगों के अनुकूल बने, लोगों को तकनीक के अनुकूल न बनना पड़े।
