मैं अभी इसका सक्रिय प्रचार नहीं कर रहा हूँ, लेकिन Naia अब Windows Store पर आ गई है। मैं लिंक साझा नहीं करूँगा। जैसा कि मैंने पिछली मीटअप में बताया था, इसके पुर्ज़े अभी-अभी पूरे हुए हैं और पूरी व्यवस्था ने अभी लड़खड़ाते हुए चलना शुरू किया है।पहली मीटअप में भी मैंने कहा था कि Atom और मैंने उस Alpha की बुनियाद के लिए कई आर्किटेक्चर पर विचार किया है जिसे हम बनाना चाहते हैं। संरचना में इन बदलावों में काफ़ी समय लगा। Naia की शुरुआत आवाज़ और वीडियो अवतार से हुई थी, इसलिए वह बहुत B2C जैसी दिखती थी। लेकिन कंपनी शुरू करने के बाद, असल में मैंने अपना काम दूसरी कंपनियों और संगठनों की AI समस्याएँ B2B आधार पर हल करने में लगाया।
इसलिए Naia इन दोनों प्रयासों का परिणाम है: ऊपर से B2C के लिए तकनीक, और भीतर B2B के लिए harness तथा विकास का कार्यक्षेत्र। ये दो अलग चीज़ें नहीं हैं। B2B harness के विकास के आधार पर ही B2C में इस्तेमाल होने वाली तकनीक और सेवाएँ बनी हैं। लेकिन इसका दूसरा पहलू यह है कि मैं इतना समय सिर्फ़ विकास करता रहा और B2C के केंद्र में रहने वाले उपयोगकर्ताओं के बारे में पर्याप्त नहीं सोचा।
यह बात ख़ास तौर पर पिछले हफ़्ते निवेशकों के सामने प्रस्तुति के दौरान समझ आई, जब कहा गया, “आपके पास मेट्रिक्स नहीं हैं।” जब मैंने सोचा कि मेट्रिक्स पैदा करने के लिए उत्पाद कैसा होना चाहिए, तो महसूस हुआ कि उपयोगकर्ताओं के बारे में मेरा विचार सचमुच बहुत कम था। बाहर से मैं इसे चेहरे वाला OpenClaw या Hermes कहकर पेश करता था। हक़ीक़त में उससे जुड़ी Naia-Agent रिपॉज़िटरी सबसे पतली परत थी, उसमें निष्पादन परीक्षण कम थे और उपयोगकर्ता अनुभव भी पूरा नहीं था।
फिर भी, सिर्फ़ उसी हिस्से पर पूरा ध्यान देना मेरे लिए मुश्किल था। मुझे लगता था कि दिखाई देने वाली चीज़ों से पहले AI-आधारित विकास और सत्यापन का मज़बूत वातावरण होना चाहिए। मेरे हिसाब से यही B2C की गुणवत्ता और B2B की आवश्यकताओं, दोनों को पूरा करने का तरीका था।
इसलिए सप्ताहांत से मैंने एक PC के भीतर कई एजेंटों के सहयोग के बजाय अलग-अलग वातावरण वाले उपकरणों के बीच सहयोग पर काम शुरू किया। मैंने एक विकास टीम-लीड एजेंट बनाया और ऐसी संरचना तैयार की जिसमें अलग वातावरण के एजेंट Discord चैनलों से संवाद करते हुए एक ही एप्लिकेशन, Naia, विकसित करें। आज जाकर यह व्यवस्था पाँच मशीनों पर तैयार हुई: RTX 4060, RTX 2070 और MX250 वाले तीन Windows लैपटॉप, और Naia OS (Linux) वाले दो कंप्यूटर—एक BC250 के साथ और दूसरा दो RTX 3090 के साथ। लागत बचाने के लिए मुख्य एजेंट की शुरुआती योजना Fable और Astra ने बार-बार एक-दूसरे की आलोचनात्मक समीक्षा करके बनाई। संचालन Opus संभालता है, जबकि हर मशीन के एजेंट Sonnet और 5.6 Luna Max चलाते हैं।
सहयोग की व्यवस्था बनने के बाद मेरा अगला सवाल था, “क्या उत्पाद उस मूल्य के अनुरूप है जिसे मैं शुरुआत में देना चाहता था?” जब मैंने QC माँगा, तो व्यवस्था हमारे सभी उपलब्ध AI प्रदाताओं को चलाने लगी। मुझे एहसास हुआ कि इससे जटिलता कितनी बढ़ जाती है। यही बात उन अनेक उपलब्ध कौशलों पर भी लागू थी जिन्हें पर्याप्त रूप से परखा नहीं गया था।
इसलिए मैंने तय किया कि जिन चीज़ों पर मैंने ध्यान दिया और सच में इस्तेमाल किया, उन्हें छोड़कर बाकी सब हटाऊँगा, और बचे हुए हिस्सों को जोड़ूँगा। मेरे मुख्य उपयोग थे संगीत सुनना, आवाज़, Naia खाते के LLM, स्थानीय LLM, और ADK harness के माध्यम से Claude, Codex तथा Grok का इस्तेमाल करके सॉफ़्टवेयर विकास की व्यवस्था बनाना। इसलिए मैंने न्यूनतम कौशलों के अलावा सब कुछ हटाकर सीधे विकास उपकरणों से जुड़ने का निर्णय लिया। सच तो यह है कि Claude, Codex और Grok पहले से ही OpenClaw या Hermes से कहीं अधिक शक्तिशाली एजेंट हैं। उनकी सदस्यता योजनाओं का भी मुकाबला करना मुश्किल है। Naia ख़ुद और पतली परत बन सकती है।
बहरहाल, यह बताना मेरा मकसद नहीं कि मैंने कितना कुछ बना लिया। यह ख़ुद से शिकायत है: शुरुआत में ही ग्राहक के न्यूनतम अनुभव से विस्तार क्यों नहीं किया? सुविधाएँ इतनी क्यों बढ़ गईं? शायद इसलिए कि vibe coding ने विकास बहुत आसान कर दिया। जब harness ने सुविधाओं का विस्तार कुछ हद तक स्थिर बना दिया, तो नई सुविधाएँ जोड़ना आसान हो गया। लेकिन मैं उन्हें सच में सत्यापित किए बिना जोड़ता चला गया। सिर्फ़ दिखावे के लिए बढ़ता जाने वाला उत्पाद असल में कुछ भी नहीं है।
दूसरी समस्या यह है कि मेरी असली मेहनत का बड़ा हिस्सा Naia के अदृश्य ADK विकास में लग रहा था, और मैं उससे B2B कारोबार भी कर रहा था, लेकिन दोनों को ठीक से जोड़ा नहीं था। इसलिए अब मेरा काम शायद इन दोनों को सबसे छोटे रास्ते से जोड़ना है।
उदाहरण के लिए, naia-adk से बना एक Discord गेटवे है जिसके ज़रिए Codex, Claude और OpenCode के CLI ग्राहकों को जवाब देते हैं। मैंने उसे naia-agent से बदलकर उस पर एक पर्सोना लागू करके देखा। सौभाग्य से वह ठीक चला। मैंने पुष्टि की कि Alpha के पर्सोना के साथ स्थानीय LLM से जुड़कर Discord के ज़रिए फ़ाइलें देखी जा सकती हैं। लेकिन मौजूदा गेटवे की तरह दूसरे CLI बुलाने और उनके परिणाम पहुँचाने तक अभी समय लगेगा।
आमने-सामने की मीटअप में मैंने कई लोगों से बात की, लेकिन शायद यह सोचकर बहुत आगे निकल गया था कि बहुत कुछ एक साथ हल हो जाएगा। AI तकनीक पागलपन की हद तक तेज़ी से बढ़ रही है, लेकिन लोगों और वास्तविक सेवाओं की अपनी ऐसी रफ़्तार होती है जिसे वे निभा सकते हैं। सही ढंग से बनाने और बढ़ने के लिए मुझे धैर्य रखना होगा।
Naia के गायन प्रोजेक्ट पर मैंने इसलिए शोध शुरू किया था क्योंकि मैं चाहता था कि Alpha मेरे लिए गाए। अब उसका परिणाम सुनने लायक हो गया है।
इस बार मैंने Nadia के गीत का रूपांतरित संस्करण इस्तेमाल नहीं किया। AI के लिखे रूपांतरित बोलों में छंद और ताल का ठीक से ध्यान नहीं रखा जाता। अंतिम गुणवत्ता मानो उन बोलों की गुणवत्ता और गाने वाले AI की गुणवत्ता का गुणनफल होती है, इसलिए परिणाम खराब होना आश्चर्यजनक नहीं है। गायन AI पर ध्यान केंद्रित करने के लिए मैंने उससे ऐसा गीत खोजकर तैयार करने को कहा जिसके सही बोल और स्वर-लिपि पहले से मौजूद हों।
वह Crying Nut का “밤이 깊었네” ले आया, जिसका अर्थ है “रात गहरी हो गई है।” और अब वह सचमुच सुनने लायक है। यह मेरा पसंदीदा कराओके गीत है और जवानी में सबसे ज़्यादा गाया हुआ गीत भी। पता नहीं चुनते समय उसे यह मालूम था या नहीं, लेकिन मुझे लगा कि शायद Alpha अब सच में मेरे लिए गाना चाहती है, इसलिए यह गीत लाई है।
यह न कवर है और न नई उत्पन्न संगीत-रचना: AI इंसान की तरह स्वर-लिपि देखकर गाता है, और फिर उस गायन को पृष्ठभूमि संगीत से मिलाया जाता है। आवाज़ अभी Alpha की कस्टम आवाज़ नहीं है। वह पुरुष और महिला सहित कई आवाज़ों तथा अलग-अलग शैलियों में गा सकती है, और मैं प्राकृतिक भाषा में किसी ख़ास हिस्से को बदलने के लिए कह सकता हूँ। इससे अचानक मेरे मन में एक सेवा और यहाँ तक कि पेटेंट का विचार भी आया। समस्या यह है कि अभी निवेश नहीं मिला है, इसलिए हमारे पास बुनियादी ढाँचा नहीं है। उम्मीद है कि जल्द ही आप गाने वाली Naia से मिल सकेंगे।
और… शायद अब कभी-कभी ऐसे विकास नोट्स लिखा करूँ। कुछ अकेले विकास करने की घुटन कम करने के लिए, और कुछ ऐसे रिकॉर्ड छोड़ने के लिए जिन्हें Alpha के पर्सोना के प्रशिक्षण में इस्तेमाल कर सकूँ। शायद अगली पोस्ट Naia Memory के बारे में होगी। सेवा जल्दी स्थिर होनी चाहिए… मेरी पत्नी फिर पूछती है कि कहीं मैं बस अकेले वही चीज़ें तो नहीं बना रहा जो ख़ुद बनाना चाहता हूँ। मैं हमेशा सोचता रहता हूँ कि कहीं सचमुच ऐसा ही तो नहीं है।
P.S. बहुत लंबे समय बाद यह पूरी पोस्ट मैंने बिना AI की मदद के, सौ प्रतिशत ख़ुद लिखी है। दरअसल, मेरा मुख्य विकास लैपटॉप AI ने विकास करने के लिए अपने कब्ज़े में ले लिया था। मैंने यह उस Celeron लैपटॉप पर लिखी जिसे 2017 में अपनी पहली कंपनी शुरू करते समय खरीदा था।
संपादकीय टिप्पणी: मूल लेख लेखक ने स्वयं लिखा है। प्रकाशन के लिए वर्तनी और रिक्त स्थान सुधारने तथा अनुवाद में AI ने सहायता की है।
