Tichá řeč přeměněná na slyšitelný hlas pomocí nositelné AI

Představte si, že se snažíte mluvit, aniž byste vydali zvuk, a přesto jste pochopeni. To už není sci-fi.

Výzkumníci na Pohang University of Science and Technology, známé spíše jako POSTECH, vyvinuli nositelný systém, který dokáže přeměnit tichou řeč na slyšitelný hlas sledováním drobných pohybů svalů a kůže v okolí krku. Práce vedená profesorem Sung-Min Parkem a doktorem Sunguk Hongem byla publikována v Cyborg and Bionic Systems a otevírá novou kapitolu v komunikaci mezi člověkem a strojem.

Jak se šepot stává hlasem

Myšlenka je klamavě jednoduchá. I když člověk nemluví nahlas, tělo se stále pohybuje. Jemné posuny v oblasti krku, čelisti a okolní kůže odhalují podobu zamýšlených slov. Tyto pohyby vytvářejí fyzický signál, který lze zachytit a interpretovat.

Aby toho dosáhli, tým z POSTECH vytvořil nositelné zařízení nazvané multiaxiální snímač mapování deformací. Používá miniaturizovanou kameru a pružný silikon označený referenčními body, aby detekoval i malé deformace povrchu. V praxi to znamená, že senzor může pohodlně sedět na krku, sledovat pohyb s přesností a sám se překalibrovat, pokud se posune.

Jakmile jsou data nasbírána, vstupuje do hry umělá inteligence. Systém čte vzorce deformací, identifikuje mluvený záměr a rekonstruuje slova nebo celé věty. Výstup pak spojí se syntézou hlasu trénovanou na hlasových charakteristikách nositele, čímž vzniká řeč, která zní přirozeně a je rozeznatelně lidská.

Skutečným průlomem není jen to, že systém dokáže „slyšet“ ticho, ale že dokáže zachovat hlas samotného mluvčího.

Lehčí odpověď na obtížný problém

Technologie obnovy hlasu se dlouho opírala o nástroje jako elektromyografie a elektroencefalografie. Tyto systémy mohou být účinné, ale často přinášejí zjevné kompromisy: objemný hardware, nepraktické nastavení a omezené pohodlí pro každodenní používání.

Právě zde se přístup POSTECHu odlišuje. Je nositelný, lehký a navržený pro praktické použití spíše než pro demonstrace pouze v laboratoři. Během testování systém vykázal vysokou přesnost rekonstrukce řeči, dokonce i v hlučném prostředí, kde běžné mikrofony často selhávají. Průmyslové prostředí je zvláště náročné zkouškové pole a tato technologie se zdá být konstruovaná právě pro tento druh výzvy.

Potenciální použití je snadné rozpoznat. Pro pacienty, kteří ztratili hlas kvůli poškození hlasivek nebo operaci hrtanu, by to mohlo nabídnout způsob, jak znovu komunikovat pomocí něčeho blízkého jejich vlastnímu přirozenému hlasu. To není zanedbatelné. Pro mnoho lidí by to znamenalo zásadní změnu života.

Ale dopad může přesahovat oblast zdravotnictví.

Tichá komunikace by se mohla hodit na schůzkách, v knihovnách, v přeplněných dopravních uzlech nebo v hlučných pracovních prostředích, kde je mluvení nahlas nepohodlné nebo nemožné. Může také proměnit způsob, jakým lidé komunikují s AI systémy, čímž budou příkazy a odpovědi méně mechanické a více intuitivní. Žádná klávesnice. Žádný mikrofon. Pouze záměr přeložený do řeči.

Prozatím se výzkumný tým soustředí na zlepšení přesnosti, rozšíření podpory jazyků a učinění systému ještě přizpůsobivějším pro nasazení v reálném světě. Pokud se tyto části spojí, může se tento typ nositelné AI přesunout z nadějného prototypu do běžného nástroje dříve, než mnoho lidí očekává.

Větší trend je těžké přehlédnout. AI se stává méně viditelnou, osobnější a mnohem více integrována do zařízení, která nosíme. A s takovými inovacemi mohou mít i nevyslovená slova brzy hlas.