Havells, ElevenLabs के साथ अपने कनेक्टेड होम इकोसिस्टम में बहुभाषी वॉइस कंट्रोल लेकर आया
- प्रकाशित
सुनेंइस आर्टिकल को सुनें
लगभग 27 लाख डाउनलोड वाले ऐप Havells One के पूरे यूज़र बेस के लिए Voice Mode लाइव है। यह सात डिवाइस कैटेगरी में आठ भाषाओं को सपोर्ट करता है।
Havells भारत की प्रमुख इलेक्ट्रिकल गुड्स कंपनियों में से एक है। इसके कनेक्टेड प्रोडक्ट्स के व्यापक पोर्टफोलियो में एयर कंडीशनर, पंखे, एयर और वॉटर प्यूरिफ़ायर, 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। यह Havells One ऐप में एक इंटेलिजेंट कन्वर्सेशनल इंटरफ़ेस है, जो यूज़र्स को अंग्रेज़ी और कई भारतीय भाषाओं में स्वाभाविक वॉइस इंटरैक्शन के ज़रिए उपकरणों को नियंत्रित करने देता है। इसे प्रोग्रामेटिक रूप से ElevenAPI पर बनाया गया है। इसमें रियल-टाइम स्ट्रीमिंग स्पीच टू टेक्स्ट (Scribe v2 रियलटाइम) और टेक्स्ट टू स्पीच (Eleven v3 कन्वर्सेशनल) को Havells के अपने इंटेलिजेंट डिवाइस-कंट्रोल एजेंट के साथ इंटीग्रेट किया गया है।
Havells का पहले का वॉइस अनुभव शुरुआत में चुनिंदा उपकरणों के लिए अंग्रेज़ी और फिर हिंदी को सपोर्ट करता 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 दूसरी क्षेत्रीय भाषाएं मिलाकर बोलते हैं। Agentic AI Voice Mode इसे बदल देता है। लोग स्वाभाविक रूप से बोलते हैं और सिस्टम इरादे, संदर्भ और भाषा को समझता है।
लेटेंसी और स्वाभाविकता ने मूल्यांकन तय किया
Havells ने भाषा पहचान की सटीकता, बहुभाषी सपोर्ट, लेटेंसी और वॉइस सिंथेसिस के आधार पर कई वॉइस AI प्लेटफ़ॉर्म का मूल्यांकन किया। उच्च-गुणवत्ता, कम-लेटेंसी स्ट्रीमिंग टेक्स्ट टू स्पीच देने वाले प्रोवाइडर्स पर रिसर्च के दौरान टीम को ElevenLabs मिला। सटीकता, गति और बहुभाषी सपोर्ट के साथ-साथ API डॉक्यूमेंटेशन, डैशबोर्ड, सपोर्ट और भारतीय भाषाओं के सैंपल वॉइसेज़ के आधार पर उन्होंने ElevenLabs को शॉर्टलिस्ट किया।
आमने-सामने के परीक्षण में फर्क असिस्टेंट के जवाब देने की गति और स्वाभाविकता में दिखा। स्मार्ट होम असिस्टेंट के लिए लेटेंसी सिर्फ़ तकनीकी माप नहीं है। देरी से मिलने वाला 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 दोनों बातों ने Voice Mode को ElevenLabs पर बनाने का फैसला तय किया।
आठ भाषाएं, जो भारतीय घरों के बोलने के तरीके से मेल खाती हैं
Voice Mode अंग्रेज़ी और सात भारतीय भाषाओं—हिंदी, तमिल, तेलुगु, बंगाली, कन्नड़, गुजराती और मलयालम—को सपोर्ट करता है। यूज़र्स तय कमांड सेट के बजाय स्वाभाविक भाषा में उपकरण, कमरे या सीन के आधार पर डिवाइस नियंत्रित करते हैं।
असिस्टेंट कोड-मिक्स्ड और बोलचाल की भाषा को सिंटैक्स नहीं, बल्कि इरादे के रूप में समझता है। उदाहरण के लिए, "यार थोड़ा ठंडा लग रहा है" (मुझे थोड़ा ठंड लग रही है) कहने पर यूज़र को किसी डिवाइस का नाम नहीं लेना पड़ता; सिस्टम पंखे की गति कम कर देता है और एयर कंडीशनर को एडजस्ट कर देता है।
.
Havells One प्लेटफ़ॉर्म पर एक ही कन्वर्सेशनल इंटरफ़ेस
Voice Mode, Havells One प्लेटफ़ॉर्म में कई स्मार्ट डिवाइस कैटेगरी को कवर करता है: एयर कंडीशनर, पंखे, एयर प्यूरिफ़ायर, वॉटर प्यूरिफ़ायर, वॉटर हीटर, वॉशिंग मशीन, स्मार्ट स्विच और आने वाले डिवाइस।
इसका कवरेज हर कैटेगरी के भीतर और उनके बीच भी व्यापक है। इसमें अलग-अलग मॉडल और वेरिएंट शामिल हैं, जहां वॉइस कमांड से स्पीड, मोड, टाइमर और रिवर्स रोटेशन को नियंत्रित किया जा सकता है।
एक ही कन्वर्सेशनल लेयर सभी कैटेगरी में मौजूद है, इसलिए 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 हिस्सों में बांटकर कई Havells डिवाइस पर एक साथ लागू किया जाता है।
मल्टी-टर्न बातचीत में कॉन्टेक्स्ट बनाए रखना और स्पष्टीकरण देना
Havells का एजेंट प्रोडक्शन में दस क्षमताओं के साथ काम करता है: नेचुरल लैंग्वेज अंडरस्टैंडिंग, कॉन्टेक्स्ट मेमरी, मल्टी-डिवाइस ऑर्केस्ट्रेशन, कॉन्टेक्स्ट अवेयरनेस, मल्टीलिंगुअल AI, ज़ीरो-सेटअप एक्टिवेशन, क्रॉस-प्रोटोकॉल डिवाइस कंट्रोल, टू-वे कन्वर्सेशनल फ़ीडबैक, एरर डायग्नॉस्टिक्स और रूल-आधारित ऑटोमेशन। व्यवहार में, यह ऐसा दिखता है:
- "फैन स्लो करो ... थोड़ा और" (पंखे की गति कम करो... थोड़ा और) को फ़ॉलो-अप के रूप में समझा जाता है, इसलिए यूज़र को पूरी कमांड दोबारा नहीं कहनी पड़ती।
- "AC चालू करो" कहने पर, दो एयर कंडीशनर वाले घर में असिस्टेंट अनुमान लगाने के बजाय पूछता है कि किस कमरे वाला AC चालू करना है।
- "AC पर E6 दिख रहा है, क्या हुआ?" कहने पर एरर कोड का आसान भाषा में मतलब और अगला सुझाया गया कदम बताया जाता है।
यहां टू-वे कन्वर्सेशनल फ़ीडबैक, पहचान की सटीकता जितना ही महत्वपूर्ण है। असिस्टेंट पुष्टि करता है कि उसने क्या किया है, जो वह नहीं कर सकता उसे समझाता है, और ऐसी कार्रवाई करने से पहले पूछता है जो अस्पष्ट हो सकती है।
छह हफ्तों में प्रोटोटाइप से प्रोडक्शन तक
बिल्ड शुरू होने के लगभग दो हफ्तों के भीतर Havells के पास अपने एजेंट का एक काम करने वाला प्रोटोटाइप था, जिसने बोले गए कमांड से डिवाइस एक्शन और फिर बोले गए जवाब तक की प्रक्रिया को सत्यापित किया। प्लेटफ़ॉर्म चुनने में जिन API डॉक्यूमेंटेशन और डैशबोर्ड की भूमिका थी, वे बिल्ड में भी काम आए, और CRI टीम ने उनके साथ स्ट्रीमिंग स्पीच टू टेक्स्ट और टेक्स्ट टू स्पीच को सीधे 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 क्षेत्रीय भारतीय भाषाओं के लिए वॉइस क्वालिटी और उच्चारण को ट्यून करने तथा स्ट्रीमिंग सेटअप कॉन्फ़िगर करने में Havells के साथ काम किया, ताकि 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 27 लाख से ज़्यादा डाउनलोड हो चुके हैं। इस स्तर का उपयोग CRI टीम को भाषाओं, डिवाइस और कमांड प्रकारों में सुधार के लिए वास्तविक दुनिया के इंटरैक्शन डेटा देता है।
यह Agentic AI Voice क्षमता हमारे ग्राहकों के लिए एक बड़ी उपलब्धि है, जो उन्हें कमांड याद रखने या नियम सीखने की जरूरत के बिना अपने डिवाइस को स्वाभाविक रूप से नियंत्रित करने और उनके साथ इंटरैक्ट करने देती है। इसकी संभावनाएं असीमित हैं और हमारे डिवाइस व सेवाओं में नई क्षमताएं जुड़ने के साथ इसका विस्तार होता रहेगा। रोज़ाना इस्तेमाल होने वाले AI अनुभव के रूप में, यह पुराने पारंपरिक वॉइस इंटरफ़ेस से कहीं आगे जाकर AI एजेंट्स की बदलाव लाने वाली क्षमता दिखाता है। इस सुविधा के इस्तेमाल के लिए ग्राहकों को बस अपने Havells One ऐप में एक Havells Smart डिवाइस रजिस्टर करना होगा।
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 उसके अनुसार प्रतिक्रिया देता है।
आगे की दिशा
Havells, Agentic AI Voice Mode को एक पूर्ण 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 दिनचर्या के अनुसार प्रतिक्रिया दे।
- ज़्यादा भाषाओं का सपोर्ट, क्योंकि भारत में अपनाने की राह में भाषा अब भी 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 के साथ काम करे तथा अभी तक कनेक्ट न हुए उपकरणों को इकोसिस्टम और फिर वॉइस प्लेटफ़ॉर्म पर लाए।
- ऑन/ऑफ़ और सेट-पॉइंट कमांड से आगे वॉइस का उपयोग, जिसे प्रोडक्ट FAQs, ट्रबलशूटिंग, ऑटोमेशन रूटीन और शेड्यूलिंग तक बढ़ाया जाए।
"मेड इन इंडिया, मेड फॉर द वर्ल्ड" के सिद्धांत के तहत CRI टीम द्वारा विकसित यह प्लेटफ़ॉर्म वैश्विक तकनीक को भारतीय घरों, भाषाओं और जीवनशैलियों की गहरी समझ के साथ जोड़ता है। जैसे-जैसे इकोसिस्टम बढ़ता है, फोकस अनुभव को स्वाभाविक, रिस्पॉन्सिव, बहुभाषी और पर्सनलाइज़्ड बनाए रखने पर रहेगा, ताकि तकनीक लोगों के अनुसार ढले, न कि लोगों को तकनीक के अनुसार ढलना पड़े।
Vinay Srinivas Prasad is on the GTM team at ElevenLabs, based in Bengaluru. Before ElevenLabs, he spent several years at Freshworks in strategic account management roles covering the Middle East and Africa, and also worked at Clari. He studied Mechanical Engineering at SSN College of Engineering.
