Havells zapewnia wielojęzyczne sterowanie głosowe w ekosystemie połączonego domu dzięki ElevenLabs

Voice Mode jest dostępny dla wszystkich użytkowników Havells One — aplikacji z około 2,7 mln pobrań — i obsługuje osiem języków w siedmiu kategoriach urządzeń.

Havells to jedna z czołowych indyjskich firm produkujących sprzęt elektryczny. Oferuje szeroki wybór połączonych urządzeń, w tym klimatyzatory, wentylatory, oczyszczacze powietrza i wody, podgrzewacze wody, pralki oraz inteligentne przełączniki. Aby wzbogacić doświadczenie inteligentnego domu, Havells Center for Research & Innovation (CRI) stworzyło Agentic AI Voice Mode — inteligentny interfejs konwersacyjny w aplikacji Havells One, który pozwala sterować urządzeniami naturalnym głosem po angielsku i w wielu językach Indii. Rozwiązanie zbudowano programowo na bazie ElevenAPI, z wykorzystaniem strumieniowych usług Speech to Text w czasie rzeczywistym (Scribe v2 Realtime) i Text to Speech (Eleven v3 Conversational), zintegrowanych z autorskim inteligentnym agentem Havells do sterowania urządzeniami.

Wcześniejsze rozwiązanie głosowe Havells obsługiwało początkowo angielski, a później hindi, na wybranych urządzeniach, lecz nadal opierało się na komendach. Użytkownicy musieli pamiętać konkretne zwroty i schematy wywołania, by urządzenia właściwie reagowały. Tak jednak nie mówią na co dzień indyjskie rodziny, które często łączą w jednej rozmowie angielski, hindi, marathi i inne języki regionalne. Agentic AI Voice Mode odwraca tę logikę. Ludzie mówią naturalnie, a system rozumie intencję, kontekst i język.

O wyborze zdecydowały opóźnienia i naturalność

Havells oceniło kilka platform głosowych AI pod kątem dokładności rozpoznawania języka, obsługi wielu języków, opóźnień i syntezy głosu. Zespół trafił na ElevenLabs, szukając dostawców wysokiej jakości strumieniowego Text to Speech o niskich opóźnieniach. Wybrał ElevenLabs ze względu na dokładność, szybkość, obsługę wielu języków, a także dokumentację API, panel, wsparcie i przykładowe głosy w językach Indii.

W bezpośrednich testach różnica była widoczna w szybkości i naturalności odpowiedzi asystenta. W asystencie inteligentnego domu opóźnienie to nie tylko parametr techniczny. Spóźniona odpowiedź przypomina tradycyjny interfejs głosowy, a szybka — rozmowę w czasie rzeczywistym. Dla Havells najważniejsze były naturalność i responsywność w czasie rzeczywistym, dlatego Voice Mode powstał na ElevenLabs.

Osiem języków zgodnych z tym, jak naprawdę mówią indyjskie rodziny

Voice Mode obsługuje angielski i siedem języków Indii: hindi, tamilski, telugu, bengalski, kannada, gudżarati i malajalam. Użytkownicy sterują urządzeniami według sprzętu, pomieszczenia lub sceny, używając naturalnego języka zamiast stałego zestawu komend.

Asystent traktuje mieszany język i potoczną mowę jako intencję, a nie składnię. Prośba taka jak „Yaar thoda thanda lag raha hai” („Stary, trochę mi zimno”) zmniejsza prędkość wentylatora i dostosowuje klimatyzator, bez wskazywania przez użytkownika żadnego z tych urządzeń. 

.

Jeden interfejs konwersacyjny na całej platformie Havells One

Voice Mode obejmuje wiele kategorii inteligentnych urządzeń na platformie Havells One: klimatyzatory, wentylatory, oczyszczacze powietrza, oczyszczacze wody, podgrzewacze wody, pralki, inteligentne przełączniki i nadchodzące urządzenia.

Obsługa jest szeroka zarówno w ramach każdej kategorii, jak i między nimi. Dotyczy modeli i wariantów, a polecenia głosowe obejmują prędkość, tryby, timery i obrót wsteczny.

Ta sama warstwa konwersacyjna działa we wszystkich kategoriach, więc jedno polecenie głosowe może sterować inteligentnymi urządzeniami Havells, nawet jeśli korzystają z różnych protokołów łączności. „Geyser on karo aur fan bhi chalu karo” („Włącz wentylator i podgrzewacz wody”) zostaje podzielone i wykonane jednocześnie na wielu urządzeniach Havells.

Pamięć kontekstu i doprecyzowanie w wieloturowych rozmowach

Agent Havells działa produkcyjnie z dziesięcioma funkcjami: rozumieniem języka naturalnego, pamięcią kontekstu, koordynacją wielu urządzeń, rozpoznawaniem kontekstu, wielojęzyczną AI, aktywacją bez konfiguracji, sterowaniem urządzeniami między protokołami, dwukierunkową informacją zwrotną w rozmowie, diagnostyką błędów i automatyzacją opartą na regułach. W praktyce wygląda to tak:

• „Fan slow karo ... thoda aur” („Zmniejsz prędkość wentylatora... jeszcze trochę”) jest odczytywane jako kontynuacja, więc użytkownik nie musi powtarzać całej komendy.
• „AC chalu karo” w domu z dwoma klimatyzatorami sprawia, że asystent pyta o pomieszczenie, zamiast zgadywać.
• „AC pe E6 dikh raha hai, kya hua?” zwraca proste wyjaśnienie kodu błędu i sugeruje kolejny krok.

Dwukierunkowa informacja zwrotna w rozmowie jest tu równie ważna jak rozpoznawanie. Asystent potwierdza wykonane działania, wyjaśnia, czego nie może zrobić, i pyta przed wykonaniem czynności, która mogłaby być niejednoznaczna.

Od prototypu do produkcji w sześć tygodni

Działający prototyp agenta Havells powstał około dwóch tygodni po rozpoczęciu prac. Potwierdził ścieżkę od komendy głosowej, przez działanie urządzenia, po odpowiedź głosową. Dokumentacja API i panel, które wpłynęły na wybór platformy, wykorzystano też podczas budowy rozwiązania, a zespół CRI bezpośrednio zintegrował z nimi strumieniowe Speech to Text i Text to Speech.

Pozostałe tygodnie poświęcono złożoności po stronie Havells, a nie warstwie mowy: pełnemu wielojęzycznemu katalogowi urządzeń, różnym możliwościom sprzętu, złożonym komendom, przypadkom brzegowym i scenariuszom odzyskiwania. Zespół inżynierów ElevenLabs pracujący bezpośrednio u klienta współpracował z Havells nad dostrojeniem jakości głosu i wymowy w regionalnych językach Indii oraz konfiguracją streamingu tak, by opóźnienia pozostały stabilne wraz ze wzrostem liczby równoczesnych sesji. Od pierwszej integracji do wdrożenia gotowego do produkcji minęło około sześciu tygodni.

Voice Mode jest teraz dostępny dla wszystkich użytkowników Havells One — aplikacji, która przekroczyła 2,7 mln pobrań. Ta skala daje zespołowi CRI dane z rzeczywistych interakcji, które pozwalają ulepszać rozwiązanie w różnych językach, na różnych urządzeniach i dla różnych typów komend.

Ta funkcja Agentic AI Voice to przełom dla naszych klientów. Pozwala im naturalnie sterować urządzeniami i wchodzić z nimi w interakcje, bez pamiętania komend czy uczenia się zasad. Jej potencjał jest nieograniczony i będzie się rozwijał wraz z dodawaniem nowych możliwości do naszych urządzeń i usług. Jako doświadczenie AI do codziennego użytku pokazuje potencjał agentów AI, wykraczający daleko poza tradycyjne interfejsy głosowe z przeszłości. Aby korzystać z tej funkcji, wystarczy zarejestrować urządzenie Havells Smart w aplikacji Havells One

- Dipesh Shah, Executive President i CTO, Havells

Od stu lat branża AGD sprzedaje produkty. Teraz budujemy relację — dom, który wyczuwa, uczy się i reaguje na język oraz rytm rodziny, która w nim mieszka.

- Harikumar Varrier, starszy wiceprezes, CRI IoT, Havells

Co dalej

Havells traktuje Agentic AI Voice Mode jako podstawę szerszego doświadczenia inteligentnego domu, a nie gotową funkcję, i wyznaczyło cztery kierunki rozwoju:

1. Głębsza personalizacja, aby dom odpowiadał na preferencje i codzienny rytm poszczególnych domowników, zamiast traktować wszystkich tak samo.
2. Szersza obsługa języków, ponieważ język wciąż jest największą barierą wdrożenia w Indiach, a osiem języków to dopiero początek.
3. Brama głosowa do całego ekosystemu Havells, uzupełniająca aplikacje, pojedyncze urządzenia i panele sterowania, która włącza obecnie niepołączone sprzęty do ekosystemu, a następnie na platformę głosową.
4. Głosowe sterowanie wykraczające poza komendy włącz/wyłącz i ustawienia, obejmujące FAQ produktów, rozwiązywanie problemów, rutyny automatyzacji i harmonogramowanie.

Platforma została stworzona przez zespół CRI w duchu „Made in India, Made for the World” i łączy globalną technologię z głębokim zrozumieniem indyjskich domów, języków i stylów życia. Wraz z rozwojem ekosystemu priorytetem pozostaje naturalne, responsywne, wielojęzyczne i spersonalizowane doświadczenie, w którym technologia dostosowuje się do ludzi, a nie ludzie do technologii.