एक गैर-देशी अंग्रेजी बोलने वाले के रूप में पोषण ट्रैकिंग: बहुभाषी एआई खाद्य पहचान

कल्पना कीजिए कि आप अपने परिवार के साथ रात के खाने के बाद एक कैलोरी ट्रैकिंग ऐप खोलते हैं। आज रात आपने दाल मखनी और जीरा चावल बनाया, साथ में खीरे का रायता और पीने के लिए आम का लassi। आप सर्च बार में "दाल" टाइप करते हैं। ऐप "Dole Banana" और "Dale's Seasoning" दिखाता है। आप इसके बजाय "lentil curry" आजमाते हैं, लेकिन एक सामान्य प्रविष्टि मिलती है जिसका कैलोरी गणना गलत लगती है, और आप हार मान लेते हैं। कल आप लॉगिंग करने की कोशिश भी नहीं करेंगे।

यह कोई छोटी समस्या नहीं है। यह एक संरचनात्मक विफलता है जो दुनिया भर में करोड़ों लोगों को प्रभावित करती है। अधिकांश पोषण ट्रैकिंग ऐप अंग्रेजी में डिज़ाइन किए गए हैं, अंग्रेजी-भाषा खाद्य डेटाबेस पर आधारित हैं, और अंग्रेजी बोलने वाले उपयोगकर्ताओं द्वारा परीक्षण किए गए हैं। यदि आपके दैनिक भोजन पश्चिमी किराने की दुकान के शब्दावली में ठीक से नहीं आते हैं, तो आप कैलोरी ट्रैकिंग पारिस्थितिकी तंत्र से प्रभावी रूप से बाहर हैं।

2026 में, बहुभाषी एआई खाद्य पहचान अंततः इस समस्या को हल कर रहा है। यह लेख समझाता है कि भाषा की बाधा कैसे काम करती है, यह क्यों महत्वपूर्ण है, और तकनीक इसे कैसे तोड़ने के लिए काम कर रही है।

---

समस्या का पैमाना

पोषण डेटा में अंग्रेजी का प्रभुत्व

दुनिया के दो सबसे बड़े खाद्य संरचना डेटाबेस USDA FoodData Central और UK Nutrient Databank हैं। दोनों अंग्रेजी में हैं। दोनों उन खाद्य पदार्थों के चारों ओर संरचित हैं जो आमतौर पर संयुक्त राज्य अमेरिका और यूनाइटेड किंगडम में खाए जाते हैं। जब ऐप डेवलपर्स इन डेटाबेस पर अपने उत्पाद बनाते हैं, तो परिणामस्वरूप अनुभव किसी के लिए अच्छा काम करता है जो ओहियो में टर्की सैंडविच खा रहा है, लेकिन यह लागोस में जोलोफ चावल या चियांग माई में खाओ सोई खा रहे किसी के लिए विफल हो जाता है।

Ethnologue के अनुसार, दुनिया में लगभग 7,168 जीवित भाषाएँ हैं। अंग्रेजी लगभग 380 मिलियन लोगों की पहली भाषा है। फिर भी यह पोषण डेटा के बुनियादी ढांचे पर इतनी हावी है कि यहां तक कि मंदारिन (जो दुनिया की सबसे अधिक बोली जाने वाली पहली भाषा है, जिसमें 920 मिलियन से अधिक मूल बोलने वाले हैं) के बोलने वाले भी अक्सर अपने भोजन को अंग्रेजी में खोजने के लिए मजबूर होते हैं।

आंकड़े कहानी बताते हैं

Nutrola के आंतरिक डेटा से ये आंकड़े विचार करें:

• जो उपयोगकर्ता अपनी मूल भाषा में ट्रैक करते हैं, वे औसतन 2.8 भोजन प्रति दिन लॉग करते हैं, जबकि जो उपयोगकर्ता दूसरी भाषा में खोजने के लिए मजबूर होते हैं, वे 1.9 भोजन प्रति दिन लॉग करते हैं।
• 30 दिनों में बनाए रखने की दर उन उपयोगकर्ताओं में 41% अधिक है जो ऐप के साथ अपनी पहली भाषा में बातचीत करते हैं।
• एकल भोजन को लॉग करने का औसत समय 97 सेकंड से घटकर 34 सेकंड हो जाता है जब खाद्य डेटाबेस उपयोगकर्ता की मूल भाषा का समर्थन करता है।

ये छोटे अंतर नहीं हैं। ये उस उपकरण के बीच का अंतर दर्शाते हैं जो काम करता है और उस उपकरण का जो छोड़ दिया जाता है।

---

क्यों अंग्रेजी-केंद्रित डेटाबेस अंतरराष्ट्रीय खाद्य पदार्थों को छोड़ देते हैं

समस्या अनुवाद से कहीं अधिक गहरी है। कई खाद्य पदार्थ जो अरबों लोग हर दिन खाते हैं, वे अंग्रेजी-भाषा डेटाबेस में मौजूद नहीं हैं, और नाम का अनुवाद करने से अंतर्निहित डेटा अंतर का समाधान नहीं होता है।

खाद्य पदार्थ जो अनुवादित नहीं होते

कुछ व्यंजन पूरी तरह से अंग्रेजी में अनुवादित नहीं होते क्योंकि वे ऐसे तैयारियों, बनावटों या सामग्री संयोजनों का वर्णन करते हैं जिनका अंग्रेजी बोलने वाले खाद्य संस्कृतियों में कोई सीधा समकक्ष नहीं है।

दाल एक अच्छा प्रारंभिक उदाहरण है। अंग्रेजी डेटाबेस में, आप "lentil soup" पा सकते हैं। लेकिन दाल सूप नहीं है। क्षेत्र के आधार पर, दाल एक पतली, ब्रोथी रसम से लेकर एक मोटी, मक्खनदार दाल मखनी तक हो सकती है, या एक सूखी तैयारी जैसे दाल फ्राई। प्रत्येक की कैलोरी घनत्व में नाटकीय रूप से भिन्नता होती है। एक सामान्य "lentil soup" प्रविष्टि इस विविधता को नहीं पकड़ सकती।

मोची इसी तरह की चुनौती प्रस्तुत करता है। इसे कभी-कभी "rice cake" के रूप में अनुवादित किया जाता है, लेकिन उस शब्द का अंग्रेजी में अर्थ स्वास्थ्य खाद्य दुकानों में बेचे जाने वाले फुलाए हुए, स्टायरोफोम जैसे डिस्क का चित्रण करता है। जापानी मोची एक घना, चिपचिपा चावल की तैयारी है जिसमें अमेरिकी चावल के केक की तुलना में लगभग तीन से चार गुना अधिक कैलोरी घनत्व होता है। गलत एक को लॉग करने का मतलब है कि आपकी कैलोरी गणना कई सौ कैलोरी से गलत हो जाती है।

एरेपा को अक्सर "corn cake" या "corn bread" के रूप में वर्णित किया जाता है, लेकिन कोई भी शब्द वास्तविक तैयारी को नहीं दर्शाता। एक वेनेज़ुएला की एरेपा एक ग्रिल या तले हुए मसा केक होती है, जिसे अक्सर पनीर, सेम या कटा हुआ मांस से भरा जाता है। इसकी कैलोरी सामग्री भरने और तैयारी के तरीके के आधार पर 150 से 500 के बीच हो सकती है। एक सामान्य "corn bread" प्रविष्टि हर बार गलत होगी।

कोंजी को अधिकांश अंग्रेजी डेटाबेस में "rice porridge" के रूप में लेबल किया जाता है। लेकिन कोंजी क्षेत्र के आधार पर बहुत भिन्न होता है। कांतोनिज़ कोंजी को तब तक पकाया जाता है जब तक चावल के दाने पूरी तरह से टूट नहीं जाते, जिससे एक चिकनी, कम कैलोरी वाली आधार (लगभग 50 kcal प्रति कप टॉपिंग से पहले) प्राप्त होती है। कोरियाई जुक मोटा और घना होता है। टॉपिंग --- सेंचुरी अंडा, पोर्क फ्लॉस, तले हुए आटे की छड़ें, अचार सब्जियाँ --- पोषण प्रोफाइल को पूरी तरह से बदल देती हैं, और इनमें से कोई भी एक अंग्रेजी-भाषा ट्रैकर में मानक विकल्प के रूप में नहीं दिखाई देता है।

बोरश्ट को अक्सर "beet soup" में घटित किया जाता है, जो खट्टा क्रीम, आलू, गोभी और मांस को नजरअंदाज करता है जो इसे यूक्रेनी और रूसी घरों में एक कैलोरी-घनत्व मुख्य पाठ्यक्रम में बदल देता है। एक पूर्ण बोरश्ट का कटोरा जिसमें स्मेटाना और काले ब्रेड हो सकता है 600 kcal से अधिक हो सकता है। एक सामान्य "beet soup" प्रविष्टि 120 kcal का सुझाव दे सकती है।

पुपुसा एक साल्वाडोरियन भरी हुई मक्का की टॉर्टिला है, लेकिन इसे अंग्रेजी डेटाबेस में "stuffed tortilla" कहना विशेष मसा की तैयारी और चिचार्रोन, लोरोको, या क्यूसीलो जैसे सामान्य भराव को नजरअंदाज करता है। कोई भी अंग्रेजी-भाषा प्रविष्टि इसे सही ढंग से नहीं पकड़ती।

इंजेरा इथियोपियाई खट्टा रोटी है जो प्लेट और चम्मच दोनों के रूप में काम करती है। इसे कभी-कभी "flatbread" के रूप में दर्ज किया जाता है, जो इतना व्यापक श्रेणी है कि इसका अर्थ नान से लेकर आटे की टॉर्टिला या क्रैकर तक हो सकता है। इंजेरा को टेफ के आटे से बनाया जाता है और इसका पोषण प्रोफाइल अद्वितीय है --- गेहूं आधारित फ्लैटब्रेड की तुलना में आयरन और कैल्शियम में अधिक --- जो जब इसे सामान्य श्रेणी में रखा जाता है तो गायब हो जाता है।

यौगिक त्रुटि प्रभाव

जब एक उपयोगकर्ता अपने वास्तविक भोजन को नहीं ढूंढ पाता और एक "करीब सही" अंग्रेजी-भाषा प्रविष्टि का उपयोग करता है, तो त्रुटि यादृच्छिक नहीं होती। यह प्रणालीगत होती है। गैर-अंग्रेजी बोलने वाले देशों के पारंपरिक आहार खाने वाले लोग लगातार अपने भोजन को एक ही दिशा में गलत लॉग करते हैं, अक्सर कैलोरी-घनत्व तैयारियों को कम करके और हल्की तैयारियों को अधिक करके। हफ्तों और महीनों में, ये त्रुटियाँ जमा होती हैं। एक उपयोगकर्ता सोच सकता है कि वे वजन क्यों नहीं घटा रहे हैं जबकि "सही तरीके से ट्रैकिंग" कर रहे हैं, जब असली समस्या यह होती है कि उनका ऐप यह नहीं समझता कि वे क्या खा रहे हैं।

---

कैसे बहुभाषी एआई समीकरण को बदलता है

पारंपरिक पोषण डेटाबेस पाठ-आधारित होते हैं। आप एक खाद्य नाम टाइप करते हैं, डेटाबेस एक मिलान के लिए खोजता है, और यह एक परिणाम लौटाता है। इस दृष्टिकोण में गैर-अंग्रेजी बोलने वालों के लिए दो घातक कमजोरियाँ हैं: यह अंग्रेजी नाम जानने की आवश्यकता होती है, और यह आवश्यक है कि अंग्रेजी डेटाबेस में सही प्रविष्टि हो।

बहुभाषी एआई खाद्य पहचान इन दोनों समस्याओं को दो समानांतर मोर्चों पर काम करके बायपास करता है।

दृश्य पहचान: भाषा-स्वतंत्र पहचान

कंप्यूटर दृष्टि मॉडल शब्द नहीं पढ़ते। वे पिक्सेल का विश्लेषण करते हैं। जब एक उपयोगकर्ता भोजन की एक प्लेट की तस्वीर लेता है, तो एआई मॉडल दृश्य विशेषताओं --- रंग, बनावट, आकार, व्यवस्था, और संदर्भ के आधार पर व्यंजन की पहचान करता है। एक कटोरा फो न, चाहे उपयोगकर्ता वियतनामी, फ्रेंच, या स्वाहिली बोलता हो, एक कटोरा फो की तरह दिखता है।

यह एक मौलिक बदलाव है। पहली बार, पहचान चरण पूरी तरह से भाषा से अलग है। एआई को उपयोगकर्ता से कुछ टाइप करने की आवश्यकता नहीं है। यह भोजन को देखता है, इसे पहचानता है, और इसे सही पोषण डेटा से जोड़ता है।

आधुनिक खाद्य पहचान मॉडल दुनिया भर से लाखों लेबल वाले खाद्य चित्रों पर प्रशिक्षित होते हैं। Nutrola का दृश्य एआई 120 से अधिक व्यंजनों से व्यंजनों पर प्रशिक्षित किया गया है, जिसमें क्षेत्रीय विविधताएँ भी शामिल हैं जिन्हें यहां तक कि मूल बोलने वाले भी अलग-अलग वर्णित कर सकते हैं। यह प्रणाली एक तस्वीर से थाई ग्रीन करी और थाई मसामन करी के बीच अंतर कर सकती है, और इसे अपने अलग पोषण प्रोफाइल से जोड़ती है।

प्राकृतिक भाषा प्रसंस्करण: किसी भी भाषा को समझना

जब उपयोगकर्ता टाइप या बोलते हैं, तो बहुभाषी प्राकृतिक भाषा प्रसंस्करण (NLP) प्रणाली को दर्जनों भाषाओं में इनपुट समझने की अनुमति देती है। सियोल में एक उपयोगकर्ता कोरियाई वर्णों में "kimchi jjigae" टाइप कर सकता है, काहिरा में एक उपयोगकर्ता अरबी में "koshari" कह सकता है, और साओ पाउलो में एक उपयोगकर्ता पुर्तगाली में "feijoada" खोज सकता है। एआई मूल भाषा में इनपुट को पार्स करता है और इसे सीधे सही डेटाबेस प्रविष्टि से जोड़ता है --- कोई अंग्रेजी अनुवाद चरण आवश्यक नहीं है।

यह आपके भोजन को लॉग करने से पहले इसे अंग्रेजी में मानसिक रूप से अनुवाद करने की अजीब और त्रुटिपूर्ण प्रक्रिया को समाप्त करता है। यह किसी भी समर्थित भाषा में वॉयस लॉगिंग को भी सक्षम बनाता है, जो घर्षण को नाटकीय रूप से कम करता है। अपनी मातृ भाषा में अपने भोजन का नाम बोलना अंग्रेजी-भाषा खोज इंटरफेस के माध्यम से खोजने की तुलना में तेजी से और अधिक स्वाभाविक है।

सांस्कृतिक रूप से जागरूक भाग का अनुमान

बहुभाषी एआई भाग के अनुमान में भी सुधार करता है क्योंकि यह सांस्कृतिक संदर्भ को समझता है। जापान में, घर पर परोसा जाने वाला एक मानक चावल का कटोरा लगभग 150 ग्राम होता है। संयुक्त राज्य अमेरिका में, एक रेस्तरां में "चावल का कटोरा" अक्सर 300 ग्राम या उससे अधिक होता है। भारत में, चावल आमतौर पर कई व्यंजनों के साथ परोसा जाता है और भाग 200 ग्राम चावल के साथ 150 ग्राम दाल और 100 ग्राम सब्जी हो सकता है।

जब एआई सांस्कृतिक संदर्भ को जानता है --- चाहे उपयोगकर्ता की भाषा, स्थान, या पिछले लॉगिंग पैटर्न से --- यह सही डिफ़ॉल्ट भाग के आकार को लागू कर सकता है। यह अंतरराष्ट्रीय उपयोगकर्ताओं पर अंग्रेजी-केंद्रित ऐप द्वारा लगाए गए अनुमान के एक और स्तर को हटा देता है।

---

Nutrola का अंतरराष्ट्रीय खाद्य डेटाबेस के प्रति दृष्टिकोण

एक बहुभाषी पोषण ट्रैकर बनाना केवल एक अंग्रेजी डेटाबेस का अन्य भाषाओं में अनुवाद करने का मामला नहीं है। Nutrola का दृष्टिकोण खाद्य पदार्थ से शुरू होता है, न कि इसके लिए अंग्रेजी नाम से।

क्षेत्र-विशिष्ट पोषण डेटा

Nutrola विभिन्न क्षेत्रों में तैयार किए गए एक ही व्यंजन के लिए अलग-अलग पोषण प्रविष्टियाँ बनाए रखता है। ऐप के पास "fried rice" के लिए एक ही प्रविष्टि नहीं है। इसके पास चीनी अंडा तला हुआ चावल, इंडोनेशियाई नासी गोरेंग, थाई खाओ पैड, जापानी चहान, और नाइजीरियाई तले हुए चावल के लिए प्रविष्टियाँ हैं --- प्रत्येक का कैलोरी और मैक्रो प्रोफाइल क्षेत्र में उपयोग किए जाने वाले तेल, प्रोटीन, और मसालों के आधार पर अलग होता है।

यह डेटाबेस वर्तमान में दुनिया भर के राष्ट्रीय खाद्य संरचना डेटाबेस से प्राप्त 1,000,000 से अधिक सत्यापित खाद्य प्रविष्टियों को शामिल करता है, जिसमें जापान के खाद्य संरचना के मानक तालिकाएँ, भारत के भारतीय खाद्य संरचना तालिकाएँ, मेक्सिको के INSP खाद्य डेटाबेस, और दर्जनों अन्य शामिल हैं।

स्थानीय पोषण विशेषज्ञों द्वारा सत्यापित

Nutrola के डेटाबेस में प्रत्येक क्षेत्रीय प्रविष्टि को उस खाद्य संस्कृति के मूल निवासी पोषण विशेषज्ञ द्वारा समीक्षा की जाती है। एक जापानी आहार विशेषज्ञ जापानी व्यंजनों के लिए प्रविष्टियों की पुष्टि करता है। एक मेक्सिकन पोषण विशेषज्ञ मेक्सिकन व्यंजनों के लिए डेटा की पुष्टि करता है। यह विशेषज्ञ समीक्षा स्तर उन त्रुटियों को पकड़ता है जो स्वचालित अनुवाद या एल्गोरिदम अनुमान से चूक जाती हैं --- जैसे कि "मध्यम" टॉर्टिला मेक्सिको सिटी में ओक्साका में "मध्यम" टॉर्टिला की तुलना में काफी बड़ी होती है।

उपयोगकर्ता लॉग से निरंतर सीखना

जैसे-जैसे दुनिया भर के उपयोगकर्ता अपने भोजन को लॉग करते हैं, Nutrola का एआई डेटा से सीखता है। जब हजारों उपयोगकर्ता तुर्की में अपने नाश्ते की तस्वीर लेते हैं और प्रणाली लगातार टमाटर, खीरे, जैतून, सफेद पनीर, और ब्रेड का एक मिश्रण देखती है, तो यह "तुर्की नाश्ता" कैसा दिखता है और इसमें आमतौर पर क्या होता है, इसकी समझ को परिष्कृत करता है। यह फीडबैक लूप प्रणाली को समय के साथ अधिक सटीक बनाता है, विशेष रूप से उन व्यंजनों के लिए जो शैक्षणिक खाद्य डेटाबेस में कम प्रतिनिधित्व वाले हैं।

---

उपयोगकर्ता प्रोफाइल: तीन देश, तीन अनुभव

प्रिया, 29 --- हैदराबाद, भारत

प्रिया एक सॉफ्टवेयर इंजीनियर है जिसने अपनी ताकत प्रशिक्षण का समर्थन करने के लिए अपने पोषण को ट्रैक करना शुरू किया। उसका दैनिक आहार घर पर बने दक्षिण भारतीय भोजन के चारों ओर बना है: नाश्ते के लिए इडली और सांबर, दोपहर के भोजन के लिए चावल के साथ रसम और सब्जी की करी, और रात के खाने के लिए रोटी के साथ एक दाल की तैयारी।

Nutrola पर स्विच करने से पहले, प्रिया ने एक लोकप्रिय अंग्रेजी-भाषा ट्रैकर का उपयोग किया। उसने अपने भोजन से मेल खाने वाली प्रविष्टियाँ खोजने में पांच से दस मिनट बिताए। "सांबर" ने शून्य परिणाम लौटाए। "रसम" डेटाबेस में नहीं था। उसने "lentil soup" को एक विकल्प के रूप में लॉग करने की कोशिश की, लेकिन कैलोरी गणना हमेशा गलत थी क्योंकि अमेरिकी दाल का सूप पूरी तरह से एक अलग व्यंजन है जिसमें अलग-अलग सामग्री और कैलोरी घनत्व होता है।

Nutrola के साथ, प्रिया अपनी मूल भाषा तेलुगु और अंग्रेजी का संयोजन में अपने भोजन को लॉग करती है। वह अपने थाली की तस्वीर लेती है और एआई प्रत्येक घटक को अलग-अलग पहचानता है --- चावल, रसम, पोरियाल, पापड़, अचार। उसका औसत लॉगिंग समय आठ मिनट से घटकर 20 सेकंड से कम हो गया। सबसे महत्वपूर्ण बात यह है कि उसकी कैलोरी डेटा अब वास्तव में वह दर्शाती है जो वह खाती है। पहले तीन महीनों में सटीक ट्रैकिंग के साथ, उसने अपने प्रोटीन लक्ष्यों को लगातार पूरा किया और अपने स्क्वाट में 12 किलोग्राम जोड़े।

"मैं सोचती थी कि कैलोरी ट्रैकिंग उन लोगों के लिए नहीं बनाई गई थी जो भारतीय भोजन खाते हैं," प्रिया कहती हैं। "यह पता चला कि ऐप्स हमारे लिए डिज़ाइन नहीं किए गए थे। Nutrola है।"

केंजी, 34 --- ओसाका, जापान

केंजी एक ग्राफिक डिज़ाइनर है जो एक स्वास्थ्य संकट के बाद अपने वजन का प्रबंधन कर रहा है। उसके डॉक्टर ने उसे 10 किलोग्राम वजन कम करने और अपने खाद्य सेवन को ट्रैक करने के लिए कहा। केंजी का आहार पारंपरिक जापानी है: ग्रिल्ड फिश, मिसो सूप, अचार, चावल, और जब वह बाहर खाता है तो कभी-कभी एक कटोरी रेमन या ग्योज़ा।

अंग्रेजी-भाषा ट्रैकर्स एक गैर-शुरुआत थे। केंजी की अंग्रेजी बातचीत की है लेकिन खाद्य-विशिष्ट नहीं है। उसे अपने दैनिक भोजन में कई सामग्री के लिए अंग्रेजी शब्द नहीं पता थे --- जैसे नट्टो, त्सुकामोनो, या किनपिरा गोबो। जब उसने अंग्रेजी शब्दों को खोजा, तो भाग के आकार अमेरिकी सर्विंग्स के लिए कैलिब्रेटेड थे, जापानी नहीं।

Nutrola का जापानी-भाषा इंटरफेस और जापान-विशिष्ट डेटाबेस ने उसके अनुभव को पूरी तरह से बदल दिया। वह जापानी में भोजन लॉग करता है, घर पर बने भोजन के लिए फोटो पहचानने की सुविधा का उपयोग करता है, और ऐप स्वचालित रूप से जापानी भाग के आकार को लागू करता है। चावल का एक कटोरा 150 ग्राम का डिफ़ॉल्ट होता है, 300 नहीं। मिसो सूप की एक सर्विंग 200 मिलीलीटर होती है, न कि एक बड़े अमेरिकी आकार के कटोरे में।

11 महीनों में, केंजी ने 8.5 किलोग्राम वजन कम किया। वह अपनी सफलता के लिए ट्रैकिंग की सटीकता को श्रेय देता है। "जब आंकड़े गलत होते हैं, तो आप ऐप पर भरोसा खो देते हैं। जब आंकड़े सही होते हैं, तो आप प्रक्रिया पर भरोसा करते हैं।"

सोफिया, 26 --- बोगोटा, कोलंबिया

सोफिया एक विश्वविद्यालय की छात्रा है जो अपनी ऊर्जा स्तर को सुधारना चाहती थी और भोजन छोड़ना बंद करना चाहती थी। उसका आहार शहरी कोलंबिया के लिए सामान्य है: नाश्ते के लिए पनीर के साथ एरेपा, दोपहर के भोजन के लिए बंडेजा पाइस या कोरियंटाज़ो, और रात के खाने के लिए कुछ हल्का --- शायद एंपानाडास या एक सूप जैसे अजीआको।

पोषण ट्रैकिंग का उसका पहला प्रयास तीन दिनों तक चला। जिस ऐप को उसने आजमाया, उसमें एरेपा के लिए कोई प्रविष्टि नहीं थी, "एंपानाडा" को एक सामान्य आइटम के रूप में वर्गीकृत किया गया था जिसमें अत्यधिक गलत मैक्रोज़ थे, और बंडेजा पाइस के बारे में कभी नहीं सुना था। जब उसने "अजीआको" के लिए खोज की, तो ऐप ने "गज़पाचो" का सुझाव दिया। उसने इसे अनइंस्टॉल कर दिया।

जब एक दोस्त ने Nutrola की सिफारिश की, तो सोफिया संदेह में थी। लेकिन जब उसने पहली बार अपने बंडेजा पाइस की तस्वीर ली और ऐप ने चावल, लाल सेम, जमीन मांस, तले हुए अंडे, चिचार्रोन, प्लांटेन, एरेपा, और एवोकाडो को अलग-अलग आइटम के रूप में सही ढंग से पहचाना --- प्रत्येक के साथ क्षेत्रीय रूप से सटीक कैलोरी डेटा --- तो वह आश्वस्त हो गई।

सोफिया अब स्पेनिश में लॉग करती है। वह खाते समय वॉयस इनपुट का उपयोग करती है, जैसे "arepa con queso blanco" या "empanada de carne," और एआई उसके इनपुट को मूल रूप से संसाधित करता है बिना अंग्रेजी अनुवाद परत के। उसकी निरंतरता एक भोजन को हर कुछ दिनों में लॉग करने से 60 लगातार दिनों तक हर भोजन लॉग करने में बदल गई।

"मेरे पास आखिरकार एक ऐप है जो जानता है कि मैं क्या खाती हूँ," सोफिया कहती है। "यह मेरे भोजन को कुछ और नहीं बनाने की कोशिश करता।"

---

बहुभाषी खाद्य पहचान के पीछे तकनीकी आर्किटेक्चर

जो लोग यह जानने के लिए उत्सुक हैं कि तकनीक कैसे काम करती है, यहां पाइपलाइन का एक सरल अवलोकन है।

चरण 1: इनपुट प्रसंस्करण

सिस्टम तीन प्रकार के इनपुट स्वीकार करता है: तस्वीरें, टाइप किया गया पाठ, और आवाज। तस्वीरों को खाद्य चित्रण पर प्रशिक्षित एक कन्वोल्यूशनल न्यूरल नेटवर्क द्वारा संसाधित किया जाता है। पाठ को एक बहुभाषी NLP मॉडल द्वारा संसाधित किया जाता है जो 40 से अधिक भाषाओं का समर्थन करता है। वॉयस इनपुट को पहले एक बहुभाषी स्पीच-टू-टेक्स्ट इंजन के माध्यम से पाठ में परिवर्तित किया जाता है, फिर उसी NLP पाइपलाइन के माध्यम से संसाधित किया जाता है।

चरण 2: खाद्य पहचान

फोटो इनपुट के लिए, दृष्टि मॉडल एक रैंक की गई खाद्य वस्तुओं की सूची के साथ विश्वास स्कोर आउटपुट करता है। पाठ और आवाज इनपुट के लिए, NLP मॉडल खाद्य आइटम की पहचान करता है और भाषा और क्षेत्रीय संदर्भ के आधार पर अस्पष्टता को दूर करता है। यदि मेक्सिको में एक उपयोगकर्ता "टॉर्टिला" टाइप करता है, तो सिस्टम इसे मक्का की टॉर्टिला के रूप में समझता है। यदि स्पेन में एक उपयोगकर्ता "टॉर्टिला" टाइप करता है, तो सिस्टम इसे टॉर्टिला एस्पान्योल के रूप में पहचानता है --- एक आलू का आमलेट जिसमें पूरी तरह से अलग पोषण प्रोफाइल होता है।

चरण 3: डेटाबेस मैपिंग

एक बार जब खाद्य पदार्थ की पहचान हो जाती है, तो सिस्टम इसे Nutrola के डेटाबेस में उपयुक्त क्षेत्रीय प्रविष्टि से जोड़ता है। यह कदम उपयोगकर्ता के स्थान, भाषा की प्राथमिकता, और ऐतिहासिक लॉगिंग पैटर्न पर विचार करता है। बैंकॉक में एक उपयोगकर्ता जो फोटोग्राफ करता है, उसे थाई स्ट्रीट फूड संस्करण मिलता है। लॉस एंजेलेस में एक उपयोगकर्ता जो फोटोग्राफ करता है, उसे अमेरिकी रेस्तरां संस्करण मिलता है, जिसमें आमतौर पर बड़े भाग और अधिक तेल होता है।

चरण 4: भाग का अनुमान और पुष्टि

सिस्टम दृश्य संकेतों का उपयोग करके भाग के आकार का अनुमान लगाता है (यदि उपलब्ध हो) और पहचाने गए खाद्य पदार्थ के लिए सांस्कृतिक डिफ़ॉल्ट। उपयोगकर्ता पुष्टि कर सकता है या प्रविष्टि को सहेजने से पहले समायोजित कर सकता है। पूरा पाइपलाइन --- तस्वीर से पुष्टि की गई लॉग प्रविष्टि तक --- आमतौर पर तीन सेकंड से कम समय में पूरा होता है।

---

यह सुविधा से परे क्यों महत्वपूर्ण है

बहुभाषी पोषण ट्रैकिंग केवल व्यक्तिगत उपयोगकर्ताओं के लिए जीवन की गुणवत्ता में सुधार नहीं है। इसका वैश्विक स्तर पर सार्वजनिक स्वास्थ्य पर प्रभाव पड़ता है।

स्वास्थ्य विषमताओं को कम करना

गैर-अंग्रेजी बोलने वाली जनसंख्या पहले से ही स्वास्थ्य प्रौद्योगिकी द्वारा कम सेवा प्राप्त कर रही है। जब पोषण ट्रैकिंग उपकरण केवल अंग्रेजी में अच्छी तरह से काम करते हैं, तो वे पहले से मौजूद स्वास्थ्य विषमताओं को चौड़ा करते हैं, अंग्रेजी बोलने वालों को आहार से संबंधित स्थितियों जैसे मधुमेह, मोटापे, और हृदय रोग का प्रबंधन करने के लिए बेहतर उपकरण देते हैं। इन उपकरणों को हर भाषा में काम करने योग्य बनाना स्वास्थ्य समानता की दिशा में एक कदम है।

वैश्विक पोषण अनुसंधान के लिए बेहतर डेटा

जब दुनिया भर में लाखों लोग अपने भोजन को सटीकता से लॉग कर सकते हैं, तो परिणामी डेटा सेट पोषण अनुसंधान के लिए अमूल्य होता है। Nutrola का अनाम, संचित डेटा पहले से ही 195 देशों और 120 से अधिक व्यंजनों को कवर करता है। जैसे-जैसे उपयोगकर्ता आधार बढ़ता है और ट्रैकिंग की सटीकता में सुधार होता है, यह डेटा शोधकर्ताओं को आहार पैटर्न, पोषण की कमी, और पारंपरिक आहारों के स्वास्थ्य प्रभावों को समझने में मदद कर सकता है, ऐसे तरीकों से जो केवल अंग्रेजी-आधारित डेटा सेट कभी नहीं कर सकते।

खाद्य संस्कृति को संरक्षित करना

एक प्रणाली के बारे में कुछ हानिकारक है जो आपको अपनी दादी की रेसिपी को एक विदेशी भाषा में वर्णित करने के लिए मजबूर करती है और फिर आपको बताती है कि निकटतम मिलान "सब्जी का स्टू, सामान्य" है। बहुभाषी ट्रैकिंग पारंपरिक खाद्य संस्कृतियों को मान्य करता है क्योंकि यह उन्हें उनके अपने शर्तों पर पहचानता है। जब एक ऐप जानता है कि इंजेरा क्या है, मोल नेग्रो क्या है, लक्सा क्या है --- और आपको बताता है कि ये क्या पोषक तत्व प्रदान करते हैं --- तो यह संदेश भेजता है कि ये खाद्य पदार्थ विदेशी जिज्ञासाएँ नहीं हैं। ये असली भोजन हैं जो असली लोगों द्वारा खाए जाते हैं, और इन्हें ग्रिल्ड चिकन ब्रेस्ट के समान डेटा बुनियादी ढांचे की आवश्यकता है।

---

अक्सर पूछे जाने वाले प्रश्न

Nutrola कितनी भाषाओं का समर्थन करता है?

Nutrola वर्तमान में पूर्ण कार्यक्षमता का समर्थन करता है --- जिसमें पाठ खोज, वॉयस लॉगिंग, और एआई कोचिंग --- 40 से अधिक भाषाओं में। खाद्य डेटाबेस में 120 से अधिक व्यंजनों के लिए मूल-भाषा नामों के साथ प्रविष्टियाँ शामिल हैं। ऐप इंटरफेस स्वयं 25 भाषाओं में स्थानीयकृत है और नियमित रूप से अधिक जोड़े जा रहे हैं।

क्या मैं ऐप का उपयोग करते समय भाषाएँ बदल सकता हूँ?

हाँ। कई बहुभाषी उपयोगकर्ता स्वाभाविक रूप से भाषाओं को मिलाते हैं, और Nutrola इसे संभालने के लिए डिज़ाइन किया गया है। आप दोपहर के भोजन के लिए "चिकन टिक्का मसाला" अंग्रेजी में टाइप कर सकते हैं और फिर रात के खाने के लिए "रोटी और दाल" हिंदी में लॉग कर सकते हैं, सभी एक ही सत्र में। NLP मॉडल स्वचालित रूप से प्रत्येक इनपुट की भाषा का पता लगाता है।

क्या फोटो पहचान कम सामान्य व्यंजनों के लिए सटीक है?

सटीकता व्यंजन और व्यंजन की जटिलता के आधार पर भिन्न होती है, लेकिन Nutrola का फोटो पहचान प्रणाली 120 समर्थित व्यंजनों में 90% से अधिक शीर्ष-तीन सटीकता प्राप्त करता है। जापानी, मेक्सिकन, भारतीय, चीनी, और इतालवी जैसे अच्छी तरह से प्रतिनिधित्व वाले व्यंजनों के लिए, शीर्ष-एक सटीकता 94% से अधिक है। जिन व्यंजनों में प्रशिक्षण चित्रों की कमी है, जैसे इथियोपियाई या पेरूवियन, उनकी सटीकता कम होती है लेकिन जैसे-जैसे अधिक उपयोगकर्ता भोजन की तस्वीरें योगदान करते हैं, यह तेजी से सुधार रहा है।

यदि मेरा विशेष व्यंजन डेटाबेस में नहीं है तो क्या होगा?

आप किसी भी भाषा में कस्टम प्रविष्टियाँ बना सकते हैं। Nutrola आपको अनपहचाने गए व्यंजनों को समीक्षा के लिए भी प्रस्तुत करने की अनुमति देता है। जब पर्याप्त उपयोगकर्ता एक ही व्यंजन प्रस्तुत करते हैं, तो इसे सत्यापित डेटाबेस में जोड़ने के लिए प्राथमिकता दी जाती है। यह सामुदायिक-प्रेरित दृष्टिकोण का अर्थ है कि डेटाबेस तेजी से उन क्षेत्रों में बढ़ता है जहाँ उपयोगकर्ताओं को इसकी सबसे अधिक आवश्यकता होती है।

क्या बहुभाषी समर्थन का अतिरिक्त शुल्क है?

नहीं। सभी भाषा और क्षेत्रीय डेटाबेस सुविधाएँ मुफ्त और प्रीमियम स्तरों पर उपलब्ध हैं। Nutrola बहुभाषी पहुँच को एक मुख्य विशेषता के रूप में मानता है, न कि एक ऐड-ऑन के रूप में।

ऐप एक ही नाम वाले खाद्य पदार्थों को कैसे संभालता है लेकिन विभिन्न तैयारियों में क्षेत्रों के बीच?

सिस्टम संदर्भ संकेतों का उपयोग करता है --- आपकी भाषा सेटिंग, स्थान, और पिछले लॉगिंग इतिहास --- यह निर्धारित करने के लिए कि आप सबसे अधिक संभावना किस क्षेत्रीय भिन्नता का अर्थ रखते हैं। यदि अस्पष्टता है, तो ऐप शीर्ष उम्मीदवारों को प्रस्तुत करता है और आपको चुनने देता है। उदाहरण के लिए, यदि आप "बिरयानी" के लिए खोजते हैं, तो ऐप हैदराबादी बिरयानी, लखनऊ की बिरयानी, और कोलकाता की बिरयानी को अलग-अलग विकल्पों के रूप में दिखा सकता है, प्रत्येक के साथ अलग कैलोरी और मैक्रो डेटा।

क्या मैं पूरी तरह से बिना अंग्रेजी के ऐप का उपयोग कर सकता हूँ?

हाँ। प्रत्येक विशेषता --- ऑनबोर्डिंग से लेकर भोजन लॉगिंग, एआई पोषण कोचिंग, और प्रगति रिपोर्ट तक --- सभी समर्थित भाषाओं में उपलब्ध है। आपको किसी भी बिंदु पर अंग्रेजी के साथ बातचीत करने की आवश्यकता नहीं है।

---

निष्कर्ष

पोषण ट्रैकिंग में भाषा की बाधा कोई विशेष समस्या नहीं है। यह दुनिया की अधिकांश जनसंख्या को प्रभावित करती है। दशकों से, जो लोग पारंपरिक, गैर-पश्चिमी आहार खाते हैं, उन्हें गलत ट्रैकिंग और कोई ट्रैकिंग के बीच चुनने के लिए मजबूर किया गया है। कोई भी विकल्प स्वीकार्य नहीं है।

बहुभाषी एआई खाद्य पहचान एक वास्तविक breakthrough का प्रतिनिधित्व करता है। यह दृश्य पहचान को जोड़ता है जो भाषा की परवाह किए बिना काम करता है, प्राकृतिक भाषा प्रसंस्करण जो दर्जनों भाषाओं को मूल रूप से समझता है, और क्षेत्र-विशिष्ट पोषण डेटाबेस जो स्थानीय विशेषज्ञों द्वारा सत्यापित होते हैं, ऐसे उपकरण जैसे Nutrola सटीक पोषण ट्रैकिंग को सभी के लिए सुलभ बना रहे हैं --- केवल अंग्रेजी बोलने वालों के लिए नहीं।

यदि आपने कभी एक ट्रैकिंग ऐप को छोड़ दिया है क्योंकि यह आपके भोजन को नहीं समझता था, तो तकनीक अंततः आपके रसोईघर के साथ तालमेल बिठा चुकी है। आपके भोजन को पहचानने, मापने, और उनके वास्तविक मूल्य के लिए मान्यता प्राप्त करने की आवश्यकता है, चाहे आप उन्हें किसी भी भाषा में बुलाएँ।