अब AI बोलेगा आदिवासी भाषाओं में! ‘आदिवाणी’ से जनजातीय भाषाओं को मिलेगी डिजिटल आवाज : रंजना चोपड़ा

भारत 700 से अधिक जनजातीय समुदायों और 100 से भी ज़्यादा विशिष्ट जनजातीय भाषाओं और बोलियों का घर है, फिर भी इनमें से बहुत कम के पास अपनी लिपि, शब्दकोश या ऑनलाइन उपस्थिति है। स्वास्थ्य संबंधी किसी सरकारी परामर्श को पढ़ने की कोशिश कर रहे गोंडी भाषी किसान के लिए या पाठ्यपुस्तक में किसी शब्द को खोज रहे संथाली छात्र के लिए डिजिटल दुनिया ने अब तक उनकी भाषा में बात नहीं की थी। ‘आदिवाणी’ एक-एक वाक्य, एक-एक रिकॉर्डिंग और एक-एक अनूदित पृष्ठ के माध्यम से इस स्थिति को बदल रही है।

आदिवाणी एक एआई-आधारित अनुवाद और भाषा प्रौद्योगिकी मंच है, जिसे जनजातीय कार्य मंत्रालय (MoTA) के अंतर्गत आईआईटी दिल्ली द्वारा विकसित किया जा रहा है। इसका उद्देश्य सीधा और स्पष्ट है: ऐसे उपकरण तैयार करना जो अंग्रेजी और हिंदी को जनजातीय भाषाओं के साथ संवाद करने में सक्षम बनाएं, और जनजातीय भाषाओं को भी लिखित और मौखिक दोनों माध्यमों में उनका उत्तर देने की सुविधा दें।

आदिवाणी चार भाषाओं-संथाली, मुंडारी, भीली और गोंडी-के साथ लाइव हो चुकी है। इसके ठीक पीछे कुई और गारो भाषाएं हैं, जबकि अगले चरण के लिए कातकरी, कोया, कोकबोरोक, बेट्टा कुरुबा, चोधरी, थाडो कुकी और तांगखुल सहित आठ अन्य भाषाओं को तैयार किया जा रहा है।

सिर्फ एक अनुवादक नहीं, एक संपूर्ण टूलकिट

आदिवाणी केवल एक अनुवादक न होकर एक ही छत के नीचे संपूर्ण टूलकिट उपलब्ध कराती है। यह टेक्स्ट-टू-टेक्स्ट ट्रांसलेशन की सुविधा देती है, जो अंग्रेजी या हिंदी पाठ को तुरंत जनजातीय भाषा में और जनजातीय भाषा को वापस हिंदी या अंग्रेजी में बदल देता है; स्पीच-टू-टेक्स्ट (ASR), जो बोली जाने वाली जनजातीय भाषा को लिखित रूप में परिवर्तित करता है और ऐसी भाषाओं के लिए जीवनरेखा का काम करता है जिनके पास धाराप्रवाह पढ़ने वालों की संख्या बहुत कम या न के बराबर है; टेक्स्ट-टू-स्पीच, जो लिखे हुए पाठ से प्राकृतिक जनजातीय वाणी (ऑडियो) तैयार करता है ताकि निरक्षर व्यक्ति भी सुनकर जानकारी प्राप्त कर सकें; और स्पीच-टू-स्पीच, जो एक ऐसी बहु-चरणीय प्रणाली है जिससे अलग-अलग भाषाएं बोलने वाले दो लोग लगभग वास्तविक समय में एक-दूसरे की बात समझ सकते हैं। इस प्लेटफॉर्म में ‘ऑप्टिकल कैरेक्टर रिकॉग्निशन’ (OCR) की सुविधा भी है, जो केवल कागजों पर मौजूद पुरानी पाठ्यपुस्तकों, लोक पांडुलिपियों, प्राथमिक पुस्तकों और शब्दकोशों को डिजिटाइज़ करती है-जो अक्सर किसी बोली के अंतिम बचे हुए दस्तावेज़ होते हैं। इसके साथ ही एक सार्वजनिक मोबाइल ऐप और वेब पोर्टल भी उपलब्ध कराया गया है, जिसमें निरंतर सुधार के लिए शब्दकोश, सीखने के मॉड्यूल और फीडबैक तंत्र मौजूद हैं।

हाशिए से मुख्यधारा के केंद्र में लाना

दशकों से भारत की जनजातीय भाषाएं देश के डिजिटल और प्रशासनिक जीवन के हाशिए पर रही हैं। मौखिक इतिहास, पारिस्थितिक ज्ञान और सांस्कृतिक स्मृतियों से समृद्ध होने के बावजूद वे इंटरनेट, एआई प्रणालियों और अक्सर नीतियों से लगभग अदृश्य रही हैं। आदिवाणी इस स्थिति को बदल रही है। कल्याणकारी योजनाओं की अधिसूचनाएं, स्वास्थ्य परामर्श या एनसीईआरटी की पाठ्यपुस्तकों के अध्याय जो कभी केवल हिंदी या अंग्रेजी में उपलब्ध थे, अब संथाली या भीली में सटीकता और सम्मान के साथ रूपांतरित किए जा सकते हैं और किसी निरक्षर व्यक्ति को बोलकर सुनाए जा सकते हैं। दूसरी ओर, सरकारी अधिकारी, शिक्षक और स्वास्थ्य कार्यकर्ता भी यह समझ सकते हैं कि कोई जनजातीय नागरिक अपनी भाषा में क्या कहना चाह रहा है। यह संवाद दोनों तरफ से होता है और यही इसकी मुख्य विशेषता है: आदिवाणी सिर्फ जनजातीय समुदायों को मुख्यधारा तक पहुंच प्रदान नहीं कर रही है, बल्कि मुख्यधारा को भी जनजातीय भारत तक पहुंच उपलब्ध करा रही है।

यह परियोजना जनजातीय भाषाओं को एआई के लिए केवल डेटा स्रोत नहीं मानती, बल्कि उन्हें मौखिक परंपरा, कृषि, पारिस्थितिकी और सामुदायिक पहचान से जुड़ी जीवंत ज्ञान प्रणालियों के रूप में देखती है।

सिर्फ जनजातीय भारत के लिए नहीं-सभी के लिए एक मंच

आदिवाणी का दायरा केवल जनजातीय परिवारों तक ही सीमित नहीं है। शोधकर्ताओं और भाषाविदों को दुनिया की सबसे कम प्रलेखित भाषाओं के लिए एक प्रामाणिक और उपयोगी डेटासेट मिलता है। जनजातीय जिलों में तैनात सिविल सेवकों, डॉक्टरों, शिक्षकों और एनजीओ के फील्ड कार्यकर्ताओं को (जिनमें से अधिकांश स्वयं जनजातीय नहीं हैं) एक रियल-टाइम अनुवादक साथी मिल जाता है, जो असहज और त्रुटिपूर्ण संचार को एक सार्थक संवाद में बदल देता है। भाषाविज्ञान और नृविज्ञान के छात्रों को ऐसी डिजिटाइज़्ड पांडुलिपियां और मौखिक अभिलेखागार मिलते हैं, जो अन्यथा स्थानीय पुस्तकालयों में बिना देखे नष्ट हो जाते। इसके अलावा प्रत्येक भारतीय को डिजिटल रिकॉर्ड में एक महत्वपूर्ण सुधार का लाभ मिलता है: जो भाषाएं केवल स्मृति में जीवित रहने के खतरे का सामना कर रही थीं, अब उन्हें ऑनलाइन सर्च करने, बोलने और सिखाने के लिए एक मंच मिल गया है।

यही बात आदिवाणी को एक साधारण अनुवाद ऐप से कहीं अधिक बनाती है; यह समावेशन का एक ऐसी सार्वजनिक अवसंरचना है जिसे समुदाय को केंद्र में रखकर तैयार किया गया है, न कि केवल एक प्राप्तकर्ता के रूप में।

पहले समुदाय, फिर तकनीक

आदिवाणी की सबसे विशिष्ट पहचान इसके एआई मॉडल नहीं, बल्कि इसकी कार्यप्रणाली है। मूल भाषियों, अनुवादकों, क्षेत्रीय भाषाविदों और समुदाय के वरिष्ठ नागरिकों को केवल एनोटेटर (डेटा विश्लेषक) नहीं, बल्कि ज्ञान भागीदार माना जाता है। प्रत्येक डेटासेट एक त्रि-स्तरीय कार्यप्रवाह मेकर-चेकर-सुपरचेकर से होकर गुजरता है, जहां समुदाय के समीक्षक उन सूक्ष्म बदलावों को पकड़ते हैं जिनके तहत एआई अक्सर किसी क्षेत्रीय भाषा को हिंदी या अंग्रेजी के अनुरूप ढालने का प्रयास करता है-जैसे कोई छूटा हुआ प्रत्यय, अत्यधिक सरलीकृत मुहावरा या पारंपरिक बोलचाल का खोया हुआ लहज़ा। मशीन द्वारा किए गए अनुवाद को कभी भी अंतिम नहीं माना जाता; मुख्य डेटाबेस में शामिल करने से पहले उसे सुधार के लिए मूल भाषियों के पास भेजा जाता है। यह ऐसा एआई विकास है जो सहमति, सांस्कृतिक सम्मान और इस समझ पर आधारित है कि भाषा केवल डेटासेट नहीं, बल्कि किसी समाज की अपनी पहचान को याद रखने का माध्यम है।

यहीं पर राज्य जनजातीय अनुसंधान संस्थानों (TRIs) की भूमिका अत्यंत महत्वपूर्ण हो जाती है। किसी वाक्य के एआई मॉडल तक पहुंचने से बहुत पहले, झारखंड, ओडिशा, छत्तीसगढ़, मध्य प्रदेश और अन्य राज्यों के TRIs ज़मीनी स्तर पर डेटा संकलन के पूरे प्रयास का संचालन करते हैं। वे मूल भाषियों को जोड़ते हैं, विभिन्न गांवों और ब्लॉकों में बोली की भिन्नताओं की पुष्टि करते हैं, और प्रशिक्षण डेटा में शामिल करने से पहले प्रत्येक अनूदित या लिप्यंतरित नमूने की जांच करते हैं। उनका क्षेत्रीय अनुभव यह तय करता है कि कौन सी रिकॉर्डिंग प्रामाणिक है और अनुवाद में किन मुहावरों का मूल अर्थ खो गया है। इस प्रकार वे समुदाय की स्थानीय भाषा और उपयोगी डिजिटल डेटा के बीच पहली जांच कड़ी के रूप में कार्य करते हैं। TRIs द्वारा ज़मीनी स्तर पर की जाने वाली इस सतत समीक्षा के बिना, आदिवाणी के मॉडल में वही विसंगतियां आ सकती थीं जिन्हें दूर करने के लिए यह परियोजना शुरू की गई है।

आगे की राह 

आदिवाणी का कार्य अभी पूरा नहीं हुआ है। अगले नौ महीनों में इसकी योजना दस और भाषाओं को जोड़ने, अपनी स्पीच रिकॉग्निशन और वॉयस तकनीक को बेहतर बनाने तथा सत्यापित रिकॉर्डिंग का एक बहुत बड़ा संग्रह तैयार करने की है, जिसमें प्रति भाषा सैकड़ों-हजारों रिकॉर्डिंग शामिल होंगी। आंकड़ों से परे, आदिवाणी एक बड़े उद्देश्य का प्रतीक है: यह इस बात का प्रमाण है कि तकनीक जनजातीय भाषाओं को मिटाने के बजाय उनका संरक्षण और संवर्धन कर सकती है। ऐसे देश में जहां प्रत्येक  कुछ वर्षों में भाषाएं विलुप्त हो रही हैं, आदिवाणी जनजातीय समुदायों को उनकी अपनी आवाज़ और शर्तों पर सुने जाने का अधिकार देती है, और बाकी भारत को उन्हें सुनने की एक ठोस वजह प्रदान करती है।

(लेखिका सचिव- जनजातीय कार्य मंत्रालय हैं)