Small AI models for Indian languagesभारतीय भाषाओं के लिए छोटे एआई मॉडल
Compact models offer useful starting points for reading, translating and working with Indian languages. Their value depends on the task, the language and the device.छोटे मॉडल भारतीय भाषाओं में पढ़ने, अनुवाद करने और जानकारी समझने के लिए उपयोगी हो सकते हैं। उनकी उपयोगिता काम, भाषा और उपकरण पर निर्भर करती है।
A shopkeeper may want to turn a Hindi message into an order. A producer may describe available material in Tamil. A family may need a notice explained in Marathi. In each case, the service must preserve the details that matter: names, quantities, dates and conditions. Fluent sentences are useful only when those details are correct.
A language model learns patterns from examples of text. It can help interpret a message or produce a reply. “Small” has no fixed boundary: it usually means a model with fewer learned values, called parameters, than larger general-purpose models. Fewer parameters can reduce memory and computing needs. They do not establish accuracy, running cost or suitability for a phone.
Start with the job
Many useful tasks have a clear limit. A service might identify whether a message describes an offer or a request, extract a pickup date, or translate a short description. A compact model can be a candidate for such work. An open-ended conversation, a long document or an unfamiliar subject may require different tools and more extensive testing.
Consider “kal 20 kilo cardboard pickup karna”. It mixes Hindi and English in Roman letters. A useful system should recognise the quantity and material, then confirm what “kal” means in this conversation before arranging collection. This is a proposed example, not a result from a model test. It shows why success should be measured by the completed task rather than the polish of the reply.
Published models do different things
Three published examples illustrate the choices. IndicBERT v2 represents text in a form that software can use for tasks such as classification or finding names, after task-specific training. IndicTrans2 translates text. Sarvam-1 generates continuations of text. Their sizes cannot be used as a ranking because their purposes differ.
Examples from the developers’ documentation; M means million parameters and B means billion.
Text completion; ten Indian languages and English.
Sarvam-1’s card says it needs further training for chosen tasks and is not directly a chat or instruction-following model. It also states a non-commercial licence. IndicTrans2’s smaller variants use distillation: training a smaller model with help from a larger one. These are examples of available research, not recommendations that every application should adopt them. Check the particular model, licence and language pair before use.
Language coverage needs closer examination
A language listed on a model card is a starting point. The application still needs to check everyday spelling, local names, dialects and sentences that mix languages. Hindi in Devanagari and Hindi written in Roman letters are different inputs. A translation that loses a negation or changes a quantity can cause a mistake even if most of the sentence reads well.
Training resources also matter. IndicLLMSuite describes resources across 22 languages, including collected text, translated material and generated instruction examples. Its authors distinguish manually checked material from unverified and synthetic data. A large collection therefore still needs examination for the intended task. For a trading service, examples of quantities, grades, delivery terms and local vocabulary would be particularly useful.
A voice service needs several parts
In one common design, speech recognition first turns audio into text. A text model then interprets the request. Speech synthesis reads the response aloud. AI4Bharat’s IndicConformer-600M is a published speech recognition example covering 22 scheduled languages; IndicF5 is a speech synthesis example covering eleven Indian languages. These are separate tools with separate language coverage and operating requirements.
Each stage can introduce errors. Background noise may hide a number; the text model may misunderstand a date; the spoken reply may pronounce a place name poorly. The whole conversation needs testing with the people and conditions it is intended to serve. A speech model’s language count does not prove that every accent or mixed-language sentence works well.
Local use, cost and privacy
Quantization stores a model’s learned values with fewer bits, reducing its memory needs. Software such as llama.cpp supports several such formats and different kinds of hardware. Compatibility and speed still depend on the model and device. Testing should include startup time, memory use, response time and battery use with realistic message lengths.
Running locally can reduce the information sent to a server. Privacy also depends on recordings, saved conversations, backups, logs and any remote services the application calls. A local model may miss personal information when asked to remove it. Neither a small download nor local execution establishes that the complete service protects all user data.
Cost needs a similar check. Model processing is one part of the bill, alongside speech, storage, operation and correction of mistakes. Compare the cost of a correctly completed task on the intended equipment. This article does not report measured costs or claim that any model will be affordable for a particular service.
What Bhuh.ai Labs proposes to investigate
For services such as Sahyog, a useful research question is whether compact models can extract listing details and ask clear follow-up questions in selected Indian languages. We propose starting with a limited task and checking it with fluent speakers. The evaluation should include ordinary messages, mixed scripts, missing details and cases where the system should ask for help.
Before a service acts, the person should be able to review the material, quantity, location and date. We would compare model versions on those details, test the full voice process where needed, and document failures. The models and datasets above provide starting points for that investigation. This review does not announce a Bhuh-trained model, deployment or benchmark result.
एक दुकानदार हिंदी संदेश से ऑर्डर तैयार करना चाह सकता है। कोई उत्पादक तमिल में उपलब्ध सामग्री का विवरण दे सकता है। किसी परिवार को मराठी में एक सूचना समझने की ज़रूरत हो सकती है। हर स्थिति में सेवा को नाम, मात्रा, तारीख और शर्तें सही रखनी होंगी। अच्छी भाषा तभी उपयोगी है जब ये बातें भी सही हों।
भाषा मॉडल पाठ के उदाहरणों से भाषा के ढंग सीखता है। वह संदेश समझने या जवाब लिखने में मदद कर सकता है। “छोटे” मॉडल की कोई तय सीमा नहीं है। आम तौर पर ऐसे मॉडल में बड़े, कई तरह के काम करने वाले मॉडल से कम सीखे हुए मान होते हैं। इन्हें पैरामीटर कहते हैं। कम पैरामीटर से मेमोरी और गणना की ज़रूरत घट सकती है। इससे सही उत्तर, कम खर्च या फोन पर चलने की गारंटी नहीं मिलती।
पहले काम तय करें
कई उपयोगी काम सीमित होते हैं। सेवा यह पहचान सकती है कि संदेश में कोई सामान दे रहा है या माँग रहा है। वह उठान की तारीख निकाल सकती है या छोटे विवरण का अनुवाद कर सकती है। ऐसे कामों के लिए छोटा मॉडल आज़माया जा सकता है। खुली बातचीत, लंबे दस्तावेज़ या अपरिचित विषय के लिए अलग साधन और अधिक जाँच की ज़रूरत हो सकती है।
उदाहरण लें: “kal 20 kilo cardboard pickup karna”। इसमें हिंदी और अंग्रेज़ी के शब्द रोमन अक्षरों में लिखे हैं। उपयोगी सेवा को मात्रा और सामग्री समझनी चाहिए। फिर उसे पूछकर तय करना चाहिए कि इस बातचीत में “कल” से कौन-सी तारीख का मतलब है। यह समझाने के लिए बनाया गया उदाहरण है, किसी मॉडल की जाँच का नतीजा नहीं। काम की सफलता सही कार्रवाई से मापनी चाहिए, केवल अच्छे जवाब से नहीं।
प्रकाशित मॉडलों के काम अलग हैं
तीन उदाहरण यह अंतर समझाते हैं। IndicBERT v2 पाठ को ऐसे रूप में बदलता है जिसे सॉफ्टवेयर वर्गीकरण या नाम पहचानने जैसे कामों में उपयोग कर सके। इसके लिए काम के अनुसार प्रशिक्षण देना पड़ता है। IndicTrans2 अनुवाद करता है। Sarvam-1 दिए गए पाठ को आगे बढ़ाता है। इनके काम अलग हैं, इसलिए केवल आकार से इनकी श्रेष्ठता तय नहीं की जा सकती।
निर्माताओं के दस्तावेज़ों से उदाहरण; M का अर्थ दस लाख और B का अर्थ एक अरब पैरामीटर है।
दिए गए पाठ को आगे बढ़ाना; दस भारतीय भाषाएँ और अंग्रेज़ी।
Sarvam-1 के दस्तावेज़ के अनुसार, उसे चुने हुए काम के लिए और प्रशिक्षण चाहिए। वह सीधे बातचीत या निर्देश मानने के लिए तैयार मॉडल नहीं है। उसका लाइसेंस भी गैर-व्यावसायिक है। IndicTrans2 के छोटे रूप बनाने में डिस्टिलेशन का उपयोग हुआ है: बड़े मॉडल की सहायता से छोटे मॉडल को प्रशिक्षण देना। ये शोध के उदाहरण हैं। उपयोग से पहले चुने हुए मॉडल, उसके लाइसेंस और अनुवाद की भाषाओं की जाँच ज़रूरी है।
भाषा के नाम से पूरी जानकारी नहीं मिलती
मॉडल के दस्तावेज़ में किसी भाषा का नाम होना शुरुआती जानकारी है। रोज़मर्रा की वर्तनी, स्थानीय नाम, बोलियाँ और मिली-जुली भाषा के वाक्य अलग से जाँचने होंगे। देवनागरी में हिंदी और रोमन अक्षरों में हिंदी अलग तरह के इनपुट हैं। अनुवाद में “नहीं” छूट जाए या मात्रा बदल जाए, तो बाकी वाक्य अच्छा होने पर भी गलती हो सकती है।
प्रशिक्षण की सामग्री भी मायने रखती है। IndicLLMSuite में 22 भाषाओं के संसाधनों का वर्णन है। इनमें एकत्र किया गया पाठ, अनुवाद और मॉडल से बनाए गए निर्देशों के उदाहरण शामिल हैं। लेखक मनुष्यों द्वारा जाँची गई सामग्री, बिना जाँच की सामग्री और मशीन से बनी सामग्री के बीच अंतर करते हैं। इसलिए बड़े संग्रह को भी चुने हुए काम के लिए परखना होगा। व्यापार की सेवा में मात्रा, गुणवत्ता, डिलीवरी की शर्तों और स्थानीय शब्दों के उदाहरण उपयोगी होंगे।
बोलकर उपयोग करने वाली सेवा के कई हिस्से होते हैं
एक सामान्य तरीके में पहले आवाज़ को पाठ में बदला जाता है। फिर पाठ का मॉडल अनुरोध समझता है। अंत में दूसरा मॉडल उत्तर को आवाज़ में सुनाता है। AI4Bharat का IndicConformer-600M आवाज़ से पाठ बनाने का प्रकाशित उदाहरण है और 22 अनुसूचित भाषाओं का समर्थन करता है। IndicF5 ग्यारह भारतीय भाषाओं में पाठ से आवाज़ बनाने का उदाहरण है। इनके काम, भाषाएँ और चलाने की ज़रूरतें अलग हैं।
हर चरण में गलती हो सकती है। शोर में कोई संख्या ठीक सुनाई न दे। पाठ का मॉडल तारीख गलत समझ ले। आवाज़ में दिया उत्तर किसी स्थान का नाम गलत बोले। पूरी बातचीत को उन्हीं लोगों और परिस्थितियों के साथ जाँचना होगा जिनके लिए सेवा बन रही है। भाषाओं की संख्या से हर उच्चारण या मिली-जुली भाषा में सफलता साबित नहीं होती।
उपकरण पर चलाना, खर्च और गोपनीयता
क्वांटाइज़ेशन में मॉडल के सीखे हुए मान कम बिट में रखे जाते हैं, जिससे मेमोरी की ज़रूरत घटती है। llama.cpp जैसे सॉफ्टवेयर कई ऐसे प्रारूपों और अलग तरह के उपकरणों का समर्थन करते हैं। फिर भी मॉडल और उपकरण के मेल पर गति निर्भर करती है। वास्तविक संदेशों के साथ शुरू होने का समय, मेमोरी, जवाब का समय और बैटरी का उपयोग जाँचना चाहिए।
उपकरण पर मॉडल चलाने से सर्वर को भेजी जाने वाली जानकारी कम हो सकती है। गोपनीयता रिकॉर्डिंग, सहेजी गई बातचीत, बैकअप, लॉग और सेवा द्वारा बुलाए गए दूसरे सर्वर पर भी निर्भर करती है। व्यक्तिगत जानकारी हटाने के लिए लगाया गया मॉडल कुछ जानकारी छोड़ सकता है। छोटा डाउनलोड या उपकरण पर मॉडल का चलना पूरी सेवा की गोपनीयता साबित नहीं करता।
खर्च की भी पूरी जाँच चाहिए। मॉडल चलाने के साथ आवाज़, स्टोरेज, संचालन और गलतियाँ सुधारने का खर्च जुड़ता है। चुने हुए उपकरण पर सही ढंग से पूरा हुए काम का खर्च तुलना का आधार होना चाहिए। इस लेख में खर्च के मापे हुए नतीजे नहीं हैं। यह किसी सेवा के लिए किसी मॉडल के सस्ता होने का दावा नहीं करता।
भूः एआई लैब्स क्या जाँचना चाहता है
सहयोग जैसी सेवाओं के लिए एक उपयोगी शोध प्रश्न है: क्या छोटे मॉडल चुनी हुई भारतीय भाषाओं में लिस्टिंग की जानकारी निकाल सकते हैं और स्पष्ट सवाल पूछ सकते हैं? हमारा प्रस्ताव है कि पहले एक सीमित काम चुनें और उस भाषा के जानकार लोगों के साथ जाँचें। इसमें सामान्य संदेश, मिली-जुली लिपियाँ, अधूरी जानकारी और मदद माँगने की ज़रूरत वाले मामले शामिल होने चाहिए।
सेवा की कार्रवाई से पहले व्यक्ति सामग्री, मात्रा, स्थान और तारीख देख सके। हम इन्हीं बातों पर मॉडलों की तुलना करने, जहाँ ज़रूरी हो वहाँ आवाज़ की पूरी प्रक्रिया जाँचने और गलतियाँ दर्ज करने का प्रस्ताव रखते हैं। ऊपर दिए मॉडल और डेटा इस शोध की शुरुआत में काम आ सकते हैं। यह लेख भूः द्वारा प्रशिक्षित मॉडल, चालू सेवा या बेंचमार्क के नतीजे की घोषणा नहीं है।
Further readingआगे पढ़ें
Primary sources checked on 11 October 2026. The examples explain different model types; this is not an exhaustive catalogue or a performance ranking.मूल स्रोत 11 अक्टूबर 2026 को जाँचे गए। ये उदाहरण अलग तरह के मॉडल समझाते हैं। यह पूरी सूची या प्रदर्शन की रैंकिंग नहीं है।