India में business mostly phone calls पर चलता है, और वह calls अक्सर एक ही sentence में Hindi, English और एक regional language को मिलाकर होती हैं। ऐसी code-mixed बातचीत को सही तौर पर text में बदलना बहुत मुश्किल काम है। Bengaluru की company Gnani AI ने 28 October 2026 को इसी problem के लिए अपना नया model launch किया है, जिसका नाम है Prisma v3.0।
Prisma v3.0 एक speech to text model है, मतलब जो बोला गया है उसे लिखे हुए text में बदलने वाला system। यह model खास तौर पर Indian telephone audio और multilingual conversations के लिए train किया गया है। इसका मतलब है कि यह उन calls को समझने के लिए बना है जो आम तौर पर Indian offices, banks और customer support में होती हैं।
Prisma v3.0 क्या है और क्या नया है
Prisma v3.0 Gnani AI का latest speech to text model है। इसका सबसे बड़ा focus Indian conversations हैं। आम speech tools mostly साफ-साफ बोली गई English पर अच्छा काम करते हैं, लेकिन जब call में शोर हो, phone की quality खराब हो, या speaker बार-बार language बदल रहा हो, तो उनकी accuracy गिर जाती है।
Gnani AI के मुताबिक Prisma v3.0 इसी gap को भरने के लिए बना है। यह एक ही system से 9 Indian languages और Indian English को संभालता है। इसका मतलब है कि अलग-अलग language के लिए अलग-अलग model लगाने की जरूरत नहीं है। एक ही model पूरी conversation को समझ सकता है, चाहे उसमें language बीच में ही क्यों ना बदल जाए।
यह model native 8 kHz telephone audio को भी accept करता है। 8 kHz वह lower bandwidth format है जो traditional telephone systems में use होता है। बहुत से पुराने call recording systems इसी format में audio save करते हैं, इसलिए इस support का मतलब है कि companies को अपनी पुरानी recordings को convert करने की जरूरत नहीं पड़ेगी।
कौन सी Languages Supported हैं
Prisma v3.0 में 9 Indian languages के साथ Indian English supported है। यह languages हैं Hindi, Bengali, Marathi, Gujarati, Punjabi, Kannada, Telugu, Tamil और Malayalam, और साथ में English।
एक typical Indian support call का example लीजिए। Customer कहता है कि उसका loan का EMI deduct नहीं हुआ, फिर वह Hindi में अपनी problem समझाता है, और बीच में एक number Marathi या Tamil में बोल देता है। ऐसे mixed sentence को अलग-अलग models से समझना मुश्किल होता है, क्योंकि हर model सिर्फ अपनी language पर focus करता है। Prisma v3.0 का दावा है कि वह ऐसी mixed बात को एक ही flow में समझ सकता है, बिना language बदलने पर अटके।
इसके लिए automatic language identification भी दी गई है, जिसे Auto-LID कहते हैं। Company के मुताबिक 3 second से लंबी audio clips पर यह feature 98 percent से ज्यादा बार सही language पहचान लेता है। यह company का अपना दावा है, और इसे independent test से verify करना अभी बाकी है, लेकिन अगर यह real दुनिया में भी इतना accurate है, तो यह mixed calls के लिए बहुत बड़ा फायदा है।
4 Transcription Modes क्या हैं
Prisma v3.0 की सबसे useful बात इसके 4 transcription modes हैं। हर team को transcript एक ही तरीके से नहीं चाहिए होता। किसी को audit के लिए पूरा record चाहिए, तो किसी को पढ़ने लायक clean text चाहिए। इसलिए Gnani AI ने एक ही model में 4 तरीके दिए हैं, जिन्हें हर request पर अलग से चुना जा सकता है।
पहला mode है Verbatim। इसमें हर filler word और repetition भी लिखा जाता है, जैसे umm, हां हां, या दोबारा बोली गई बात। यह compliance और legal teams के लिए जरूरी होता है, जहां पूरा audit trail चाहिए होता है।
दूसरा mode है Transcribe। इसमें clean, पढ़ने लायक text मिलता है, उस language की native script में। Amounts, dates और percentages digits में लिखे जाते हैं, ताकि वह सीधा business system में use हो सकें।
तीसरा mode है Code-mix। इसमें हर शब्द उसी script में लिखा जाता है जिस language में वह बोला गया था, और English terms English में ही रहते हैं। जैसे अगर किसी ने Hindi sentence में English का bank term बोला, तो वह term English में ही लिखा जाएगा। यह उन teams के लिए useful है जो बातचीत को उसके असली रूप में देखना चाहती हैं।
चौथा mode है Transliterate। इसमें पूरा transcript English letters में लिखा जाता है, चाहे बात किसी भी language में हुई हो। मतलब Hindi के शब्द भी Roman letters में लिखे जाएंगे, उनका translation नहीं होगा। यह उन लोगों के लिए helpful है जो Indian languages बोल तो लेते हैं, लेकिन उनकी script पढ़ना मुश्किल लगता है।
Numbers और Names को सही लिखना
Indian business calls में सबसे बड़ा risk numbers का होता है। अगर customer ने कहा तीन लाख पचास हजार, और transcript में वह गलत लिखा गया, तो loan या claim का पूरा calculation बिगड़ सकता है। इसलिए Prisma v3.0 में inverse text normalization दी गई है, जिसे ITN कहते हैं।
ITN का मतलब है कि बोले गए numbers को सही digits में बदल देना, Indian digit grouping के साथ। जैसे तीन लाख पचास हजार को 3,50,000 लिखा जाएगा, ना कि 350,000। इसी तरह Marathi में साडे दहा जैसे time को 10:30 लिखा जाएगा। यह छोटी बात लग सकती है, लेकिन banking, lending और claims जैसे काम में यह accuracy ही सब कुछ होती है।
इसके अलावा developers हर request में 200 तक custom keywords दे सकते हैं। मतलब अगर किसी company के product के नाम अजीब हैं या कोई brand jargon है, तो वह keywords देकर यह सुनिश्चित कर सकता है कि model उन्हें सही लिखे, ना कि किसी मिलते-जुलते आम शब्द से बदल दे।
Accuracy के दावे क्या हैं
Accuracy के मामले में Gnani AI ने Vistaar benchmark के results दिए हैं। Vistaar एक speech recognition benchmark है जो Indian languages के लिए use होता है। Company के मुताबिक Prisma v3.0 ने इस benchmark पर 16.93 percent macro word error rate record किया, जबकि ElevenLabs के Scribe v2 का WER 19.98 percent रहा।
Word error rate का मतलब है transcript में गलत शब्दों का percentage। कम WER का मतलब है ज्यादा accurate transcript। Company के मुताबिक यह लगभग 15.3 percent relative reduction है, मतलब पहले के मुकाबले गलतियां इतनी कम हुई हैं।
यहां यह समझना जरूरी है कि यह numbers company की अपनी evaluation से आए हैं, Vistaar scoring protocol पर। यह independent verification नहीं है। इसलिए इन्हें एक promising signal की तरह देखना चाहिए, ना कि final proof की तरह। Real दुनिया में accuracy audio quality, accent और background noise पर भी depend करेगी।
कहां Available है और किसको फायदा होगा
Prisma v3.0 developers के लिए company के developer API के through available है। इसमें REST, WebSocket streaming और batch processing का support दिया गया है। REST का मतलब है simple API calls, WebSocket streaming का मतलब है live जैसे चलते हुए audio का processing, और batch का मतलब है एक साथ कई recordings को process करना।
यह model Gnani के agent builder platform के through भी available बताया गया है। इससे वह companies भी इसको use कर सकती हैं जो खुद ज्यादा code नहीं लिखना चाहती, बल्कि एक ready platform पर अपना voice agent बनाना चाहती हैं।
सबसे ज्यादा फायदा banks, insurance companies, telecom operators और customer support teams को होगा, जो रोज हजारों calls handle करते हैं। इन calls का transcript CRM, lending और claims system में जाता है, जहां manual typing में time लगता है और गलती का risk रहता है। Gnani AI के मुताबिक उसकी speech technology पहले से ही रोज 50 million voice interactions को power करती है, इसलिए Prisma v3.0 उसी experience पर बना है।
Price के बारे में sources में कोई public price announce नहीं की गई है। इसलिए इस article में कोई price claim नहीं किया जा रहा है। जो business इसको use करना चाहता है, उसे Gnani AI से API access और pricing के बारे में सीधा पूछना चाहिए।
FAQ
Prisma v3.0 कब launch हुआ?
Gnani AI ने Prisma v3.0 को 28 October 2026 को launch किया।
यह model कौन सी languages support करता है?
यह 9 Indian languages, Hindi, Bengali, Marathi, Gujarati, Punjabi, Kannada, Telugu, Tamil और Malayalam, के साथ Indian English को support करता है।
इसके 4 modes कौन से हैं?
Verbatim, Transcribe, Code-mix और Transliterate। Verbatim पूरा record देता है, Transcribe clean text देता है, Code-mix हर language को उसकी script में रखता है, और Transliterate पूरा transcript English letters में लिखता है।
क्या यह telephone calls के लिए बना है?
हां, यह Indian telephone audio और code-mixed conversations के लिए train किया गया है, और native 8 kHz telephone audio को accept करता है।
इसकी accuracy कितनी बताई गई है?
Company के Vistaar benchmark evaluation के मुताबिक इसका macro WER 16.93 percent है, जबकि ElevenLabs Scribe v2 का 19.98 percent बताया गया है। यह company की अपनी evaluation है।
आखिरी बात
Prisma v3.0 यह दिखाता है कि Indian languages के लिए AI tools अब generic English tools की copy नहीं रहे। Code-mixed बातचीत, telephone audio और Indian numbers को सही तौर पर समझना एक अलग problem है, और Gnani AI ने इसी problem पर focus किया है। अगर आपकी team Indian calls का transcript बनाती है, तो इसके 4 modes और keyword feature को आजमाना worthwhile हो सकता है, बस accuracy के दावों को अपने real calls पर test करके ही final फैसला लेना चाहिए।
External source: CIOL की report
