चित्रण: tuput
हिन्दी
9 फ़रवरी 2026 तक सरकार का भाषिणी मंच 22 भाषाओं में आवाज़ और 36 में पाठ की सेवा देता था, और 4 अरब से ज़्यादा भाषा अनुमान (इन्फ़रेंस) पूरे हो चुके थे। IIT मद्रास की शोध प्रयोगशाला AI4Bharat ने सभी 22 अनुसूचित भाषाओं के लिए अनुवाद मॉडल IndicTrans2 जारी किया, साथ ही उसके पीछे के पाठ-संग्रह और वाक् डेटासेट भी।
भारत सरकार के भाषा मंच भाषिणी ने 9 फ़रवरी 2026 तक 22 भाषाओं में आवाज़ की सेवाएँ और 36 में पाठ की सेवाएँ दी थीं, सरकार की प्रेस शाखा, प्रेस सूचना ब्यूरो (PIB) के एक बैकग्राउंडर के अनुसार। उसी दस्तावेज़ का कहना है कि मंच पर 350 से ज़्यादा AI मॉडल और डेटासेट हैं और 4 अरब से अधिक भाषा अनुमान, यानी 400 करोड़, पूरे हो चुके हैं, जिनमें से हर एक किसी अनुरोध पर मॉडल का एक बार चलना है।
इस मंच के खुले डेटासेट और मॉडल AI4Bharat से आते हैं, जो भारतीय प्रौद्योगिकी संस्थान (IIT) मद्रास की एक प्रयोगशाला है और मिशन की डेटा प्रबंधन इकाई का काम करती है। उसके अनुवाद मॉडल IndicTrans2 को उसके लेखक संविधान की आठवीं अनुसूची की सभी 22 भाषाओं का समर्थन करने वाला पहला मॉडल बताते हैं।
जुलाई 2022 में शुरू हुआ एक मिशन
भाषिणी राष्ट्रीय भाषा अनुवाद मिशन का कामकाजी नाम है। इसे इलेक्ट्रॉनिक्स एवं सूचना प्रौद्योगिकी मंत्रालय (MeitY) डिजिटल इंडिया भाषिणी डिवीज़न के ज़रिये चलाता है, जिसे आधिकारिक साइट डिजिटल इंडिया कॉर्पोरेशन के तहत एक स्वतंत्र डिवीज़न बताती है। PIB की अगस्त 2022 की फ़ैक्टशीट में इस नाम का विस्तार “BHASa INterface for India” बताया गया है, और उसके अनुसार प्रधानमंत्री ने इसे गांधीनगर में डिजिटल इंडिया वीक 2022 के उद्घाटन पर लॉन्च किया। स्वराज्य का विवरण तारीख़ 4 जुलाई 2022 बताता है और तीन साल के लिए ₹495.51 करोड़ का आवंटन दर्ज करता है।
फ़ैक्टशीट तीन उद्देश्य गिनाती है। नागरिकों को इंटरनेट और डिजिटल सेवाओं तक भारतीय भाषाओं में, आवाज़ के ज़रिये भी, पहुँच मिले। भाषा दान नाम की क्राउडसोर्सिंग पहल जनता से भाषा का डेटा जुटाए। और भाषिणी एक समन्वयक का काम करे, जो सरकार, उद्योग, शिक्षा जगत और स्टार्ट-अप के योगदान एक खुले भंडार में लाए।
फ़रवरी 2026 तक PIB ने इन सेवाओं का वर्णन अनुवाद, वाक्-से-पाठ, पाठ-से-वाक्, लिप्यंतरण (किसी शब्द को दूसरी लिपि में लिखना) और दस्तावेज़ की समझ के रूप में किया। उसके शब्दों में मक़सद यह है कि दूसरे मंच भाषा और आवाज़ की सुविधाएँ शुरू से बनाए बिना जोड़ सकें। PIB के 10 फ़रवरी 2026 के बैकग्राउंडर में मंच 12 लाख डाउनलोड पार कर चुका था, और tuput ने 15 अक्टूबर 2026 को जब आधिकारिक साइट पढ़ी तो उसमें मोबाइल ऐप के 14 लाख से ज़्यादा डाउनलोड दर्ज थे। सरकार के व्यापक AI कार्यक्रम का ब्योरा, कंप्यूट की फ़ंडिंग समेत, भारत के अपनी भाषाओं में AI बनाने पर tuput के लेख में है।
IIT मद्रास की प्रयोगशाला
AI4Bharat अपना परिचय IIT मद्रास की एक शोध प्रयोगशाला के रूप में देती है, जो खुले स्रोत के योगदान के ज़रिये भारतीय भाषाओं के लिए AI पर काम करती है। उसके सूचीबद्ध कार्यक्षेत्र लिप्यंतरण, भाषा की समझ और निर्माण, अनुवाद, वाक् पहचान और वाक् संश्लेषण हैं। उसके होम पेज पर नामित फ़ंडर MeitY, रोहिणी नीलेकणि फ़िलैंथ्रोपीज़, EkStep फ़ाउंडेशन, C-DAC, माइक्रोसॉफ़्ट, गूगल और योट्टा इन्फ़्रास्ट्रक्चर हैं।
पेज अपने डेटा संग्रह के लिए MeitY के अनुदानों का श्रेय देता है, जिसे वह भाषिणी की डेटा प्रबंधन इकाई का हिस्सा कहता है। IndicTrans2 का शोध-पत्र अपने आभार-खंड में यही बात कहता है: उस परियोजना के अनुवादकों, समीक्षकों और भाषा विशेषज्ञों को डिजिटल इंडिया भाषिणी मिशन से IIT मद्रास को उस भूमिका के लिए मिले अनुदान का सहारा था।
मार्च 2023 में IIT मद्रास के निदेशक वी कामकोटी ने मनीकंट्रोल से कहा कि भाषिणी के हिस्से के रूप में AI4Bharat के नीलेकणि केंद्र के शोधकर्ताओं के पास नौ भाषाओं के लिए एक काम करने वाला पाठ अनुवादक है। रिपोर्ट जोड़ती है कि केंद्र की शुरुआत 2022 में नीलेकणि फ़िलैंथ्रोपीज़ के ₹36 करोड़ के अनुदान से हुई।
IndicTrans2, सभी 22 भाषाओं का मॉडल
भारत में 22 अनुसूचित भाषाएँ हैं, जो आठवीं अनुसूची में सूचीबद्ध हैं, और शोध-पत्र के अनुसार क़रीब 97 प्रतिशत आबादी उनमें से किसी एक को पहली भाषा के रूप में बोलती है। उन 22 के चुने जाने की पृष्ठभूमि के लिए आठवीं अनुसूची पर tuput का explainer देखें।
IndicTrans2 का शोध-पत्र, जिसके 14 लेखक हैं और जिसका नेतृत्व Jay Gala और Pranjal Chitale ने किया, 25 मई 2023 को arXiv पर डाला गया और दिसंबर 2023 में Transactions on Machine Learning Research में छपा। उसके सार के अनुसार इस काम से पहले सभी 22 भाषाओं को कवर करने वाला कोई समानांतर प्रशिक्षण डेटा नहीं था (यानी वही वाक्य दो भाषाओं में, जिनसे मॉडल सीखता है), सभी को कवर करने वाला कोई बेंचमार्क नहीं था, और सभी का समर्थन करने वाला कोई अनुवाद मॉडल नहीं था।
टीम ने तीन चीज़ें बनाईं। भारत समानांतर पाठ-संग्रह (BPCC) में क़रीब 23 करोड़ वाक्य-जोड़े हैं, जिनमें से 12.6 करोड़ नए जोड़े गए, और इनमें 6,44,000 हाथ से अनुवादित जोड़े शामिल हैं। IN22 एक परीक्षण-सेट है, जिसे लेखक सभी 22 भाषाओं में एक जैसी सामग्री वाला पहला बेंचमार्क कहते हैं। IndicTrans2 में 1.1 अरब पैरामीटर हैं, क़रीब 21.1 करोड़ वाले आसवित (डिस्टिल्ड) संस्करणों के साथ, और उसका दूसरा संस्करण अंग्रेज़ी से गुज़रे बिना भारतीय भाषाओं के बीच सीधे अनुवाद करता है, जो 462 दिशाओं को कवर करता है।
गुणवत्ता पर लेखक बताते हैं कि IndicTrans2 का प्रदर्शन मेटा के खुले NLLB मॉडल और गूगल तथा माइक्रोसॉफ़्ट की व्यावसायिक प्रणालियों के बराबर है, जिसे BLEU, chrF++ और COMET नाम के स्वचालित अंकों से नापा गया। ये लेखकों के अपने मूल्यांकन हैं। शोध-पत्र यह भी कहता है कि मशीन अनुवाद पर कार्यशाला (Workshop on Machine Translation), जो एक लंबे समय से चलने वाला साझा कार्य है, ने 16 साल में कुल मिलाकर केवल 4 भारतीय भाषाएँ कवर की थीं।
मॉडल और डेटा खुले लाइसेंस के तहत जारी हुए। GitHub भंडार मॉडल चेकपॉइंट MIT लाइसेंस के तहत सूचीबद्ध करता है, और उसके रिलीज़ नोट्स में 18 जनवरी 2025 का एक लंबे-संदर्भ वाला अपडेट दर्ज है। भारत का AI भंडार AIKosh भी स्रोत संगठन के रूप में डिजिटल इंडिया भाषिणी डिवीज़न के साथ IndicTrans2 की एक प्रविष्टि सूचीबद्ध करता है। tuput ने जो पन्ने खोले, उनमें से किसी में यह नहीं लिखा कि भाषिणी की किसी ख़ास सेवा के भीतर कौन-सा मॉडल चलता है, इसलिए यह लेख ऐसा कोई दावा नहीं करता।
नीचे का पाठ और वाक् डेटा
IndicTrans2 उसी समूह की पहले की रिलीज़ों पर टिका है। पहली थी IndicNLPSuite, जो नवंबर 2020 में Findings of EMNLP में छपी। उसने 11 भाषाओं और भारतीय अंग्रेज़ी में 8.8 अरब टोकन का एकभाषी पाठ दिया, जो ज़्यादातर समाचार क्रॉल से लिया गया था, और संक्षिप्त ALBERT डिज़ाइन पर बने पूर्व-प्रशिक्षित भाषा मॉडल भी।
Sumanth Doddapaneni और उनके सहयोगियों के ACL 2023 वाले अगले शोध-पत्र ने पाठ-संग्रह (IndicCorp) को 24 भाषाओं में 20.9 अरब टोकन तक पहुँचाया, यानी पहले के आकार का क़रीब 2.3 गुना। उसने IndicXTREME भी पेश किया, जो 20 भाषाओं में नौ कार्यों का बेंचमार्क है और जिसमें 105 मूल्यांकन-सेट हैं, उनमें से 52 नए, और IndicBERT v2 भी, एक भाषा मॉडल जिसके बारे में लेखक कहते हैं कि वह एक मज़बूत आधार-रेखा से औसतन 2 अंक बेहतर है।
वाक् के लिए, IndicSUPERB शोध-पत्र का Kathbath संग्रह 203 ज़िलों के 1,218 योगदानकर्ताओं से 12 भाषाओं में 1,684 घंटे की लेबल की हुई वाक् रखता है। मार्च 2024 में डाला गया IndicVoices 22 भाषाओं में 145 ज़िलों के 16,237 वक्ताओं से 7,348 घंटे रखता है, जिनमें से 1,639 घंटे लिप्यंतरित (ट्रांसक्राइब) हुए। उसमें केवल 9 प्रतिशत पढ़ा हुआ पाठ है, जबकि 74 प्रतिशत बिना तैयारी की बातचीत और 17 प्रतिशत संवाद है।
कहाँ इस्तेमाल हो रहा है
PIB का फ़रवरी 2026 का बैकग्राउंडर दो आयोजन गिनाता है। वाराणसी के काशी तमिल संगमम में प्रधानमंत्री के हिंदी भाषण का तमिल में अनुवाद भाषिणी के ज़रिये वास्तविक समय में हुआ। महाकुंभ 2025 में भाषिणी से चलने वाले Kumbh Sah’AI’yak नाम के चैटबॉट ने श्रद्धालुओं को 11 भाषाओं में रास्ते और आयोजनों की जानकारी दी और सजीव पाठ और आवाज़ अनुवाद के साथ खोया-पाया की सुविधा चलाई। आधिकारिक साइट प्रधानमंत्री का यह कथन भी उद्धृत करती है कि 2024 में सुप्रीम कोर्ट के हीरक जयंती समारोह में उनके भाषण का अंग्रेज़ी में अनुवाद वास्तविक समय में हुआ।
संसद ने 18 मार्च 2025 को क़रार किया। लोक सभा सचिवालय और MeitY ने संसद भाषिणी के लिए समझौता किया, जिसमें संसद औज़ारों को सुधारने के लिए अपनी बहसों का संग्रह देती है और भाषिणी अनुवाद देती है। PIB की विज्ञप्ति चार नियोजित उपयोग गिनाती है: पिछली बहसों के दस्तावेज़ों का क्षेत्रीय भाषाओं में अनुवाद, संसद की वेबसाइट के लिए एक चैटबॉट, भारतीय भाषाओं में वाक्-से-पाठ, और वास्तविक समय की ट्रांसक्रिप्शन के साथ वाक्-से-वाक् रूपांतरण। भाषिणी के होम पेज पर अब संसद भाषिणी का एक बैनर है, जो संसद के लिए अनुवाद, ट्रांसक्रिप्शन और सार-लेखन का वर्णन करता है।
रेलवे में डिजिटल इंडिया भाषिणी डिवीज़न और रेलवे सूचना प्रणाली केंद्र (CRIS) ने 9 जून 2025 को समझौता किया, ताकि राष्ट्रीय ट्रेन पूछताछ प्रणाली और शिकायत पोर्टल रेलमदद जैसी प्रणालियों में 22 भाषाओं के पाठ, वाक् और अक्षर-पठन औज़ार लाए जा सकें। ऑल इंडिया रेडियो ने बताया कि कार्यशालाएँ और पायलट अगले कुछ महीनों में शुरू होने थे। भाषिणी का Our Impact पेज अलग से पूछताछ प्रणाली को पाठ और वाक् पहचान इस्तेमाल करने वाली सेवा के रूप में सूचीबद्ध करता है, सरकार के CPGRAMS शिकायत पोर्टल के साथ, जिसके बारे में वह कहता है कि वह 22 भाषाओं में पाठ और 16 में आवाज़ देता है।
अदालतों में, PIB के 11 फ़रवरी 2026 के बैकग्राउंडर के अनुसार सुप्रीम कोर्ट राष्ट्रीय सूचना विज्ञान केंद्र के साथ बनाए अपने SUVAS औज़ार से फ़ैसलों का 18 भारतीय भाषाओं में अनुवाद करता है और उन्हें e-SCR पोर्टल पर रखता है। बैकग्राउंडर कहता है कि अनुवादों की समीक्षा न्यायिक ढाँचों के भीतर होती है, और यह नहीं बताता कि SUVAS कौन-सा भाषा इंजन इस्तेमाल करता है। भारतीय अदालतों में AI पर tuput की रिपोर्ट में अदालती औज़ारों की पूरी सूची और उनके पीछे के दस्तावेज़ हैं।
प्रकाशित आँकड़े जो खुले छोड़ते हैं
IndicTrans2 का शोध-पत्र सीधे कहता है कि काम कहाँ बाक़ी है। वह कहता है कि मॉडल मणिपुरी (मैतेई), संथाली और देवनागरी लिपि के सिंधी के लिए सीमित हद तक ही सामान्यीकरण करते हैं, और यह कि भरपूर डेटा वाली और कम डेटा वाली भाषाओं के बीच प्रदर्शन का अंतर बना हुआ है। लेखक इसके कारणों के रूप में मानव-अनोटेट डेटा की कमी और वेब सामग्री की कमी का हवाला देते हैं।
मंच जो समर्थन देता है उसकी गिनती सेवा और तारीख़ के हिसाब से अलग-अलग है। PIB का फ़रवरी 2026 का बैकग्राउंडर 22 आवाज़ भाषाएँ और 36 पाठ भाषाएँ बताता है, जबकि आधिकारिक साइट एक शिकायत प्रणाली के लिए 16 भाषाओं में आवाज़ सूचीबद्ध करती है। इस लेख के लिए खोले गए पन्ने लागू की गई सेवाओं के लिए सटीकता के कोई आँकड़े नहीं देते, और रेलवे तथा संसद के समझौते नियोजित काम का वर्णन करते हैं। भारतीय भाषाओं में वाक् प्रणालियों की स्वतंत्र तुलनाएँ आवाज़ और अनुवाद मॉडलों पर tuput के रॉउंडअप में एकत्र हैं।
AI4Bharat के अपने पन्ने 400 से ज़्यादा ज़िलों से 15,000 घंटे की ट्रांसक्राइब की हुई वाक् का लक्ष्य सूचीबद्ध करते हैं, जो एक लक्ष्य है, पूरा हो चुका कुल योग नहीं।
स्रोत और आगे पढ़ने के लिए
- PIB backgrounder (9 February 2026): Artificial Intelligence for Culture and Languages
- PIB backgrounder (10 February 2026): Democratising AI in India
- PIB factsheet (26 August 2022): BHASHINI, National Language Translation Mission
- Digital India BHASHINI Division: official site, home page (read 15 October 2026)
- Digital India BHASHINI Division: Our Impact (read 15 October 2026)
- arXiv / TMLR: IndicTrans2, Towards High-Quality and Accessible Machine Translation Models for all 22 Scheduled Indian Languages (Gala et al., 2023)
- GitHub: AI4Bharat/IndicTrans2 repository and release notes
- AIKosh (IndiaAI): Indic Trans2 model listing
- AI4Bharat, IIT Madras: home page
- ACL Anthology: IndicNLPSuite, Monolingual Corpora, Evaluation Benchmarks and Pre-trained Multilingual Language Models for Indian Languages (Findings of EMNLP 2020)
- ACL Anthology: Towards Leaving No Indic Language Behind, Building Monolingual Corpora, Benchmark and Models for Indic Languages (ACL 2023)
- arXiv: IndicSUPERB, A Speech Processing Universal Performance Benchmark for Indian Languages (AAAI 2023)
- arXiv: IndicVoices, Towards building an Inclusive Multilingual Speech Dataset for Indian Languages (4 March 2024)
- PIB release via NeGD (18 March 2025): Lok Sabha Secretariat and MeitY sign MoU to launch Sansad Bhashini
- All India Radio News (9 June 2025): DIBD and CRIS sign MoU to collaborate on multilingual AI solutions across key public-facing railway platforms
- PIB backgrounder (11 February 2026): From Digitisation to Intelligence, How AI is Enhancing Access to Justice in India
- IIT Madras press coverage page: working AI solution for text and speech translation (Moneycontrol interview with Director V Kamakoti, 16 March 2023)
- Swarajya (30 July 2023): How India Is Using AI to Build the Internet for Local Languages
यह लेख AI उपकरणों की सहायता से शोधित और लिखा गया है, और सटीकता के लिए संपादित किया गया है। यह केवल सामान्य जानकारी और चर्चा के लिए है, पेशेवर सलाह नहीं। हमारे संपादकीय मानक और अस्वीकरण देखें। कोई त्रुटि मिली? हमें बताएँ।
अच्छा लगा? अगला लेख पाएँ।
एक बार में एक अच्छा लेख, सीधे आपके इनबॉक्स में। कोई स्पैम नहीं, जब चाहें अनसब्सक्राइब करें।
