Subvocal 是一家新創公司展示的穿戴裝置原型,目標是讓人不用開口說話、也不用打字,就能把想說的話轉成文字輸入電腦。這類無聲語音輸入技術原本常見於輔助溝通或嘈雜環境下的語音輸入需求,Subvocal 把它做成一副眼鏡的形式,希望能日常佩戴使用。
作者說明裝置會發出類似藍牙強度的無線電波,穿過使用者臉部;電波經過舌頭、嘴唇與軟顎時,隨著無聲的唇形變化產生細微擾動,系統再用訓練好的基礎模型解讀這些訊號,還原成文字。團隊一開始嘗試用肌電圖(EMG)電極偵測肌肉訊號,但訊號容易受汗水與電極位置影響不穩定,才改用把天線嵌入眼鏡框架的方案。
比較特別的是,作者提到系統還能調整成辨識內心默唸,不需要真的動嘴唇或張開嘴巴,但這種模式需要額外練習才能用得熟練。目前這款裝置仍是原型階段,團隊正在收集更多使用者的資料來預先訓練模型,希望改善不同人臉型與說話習慣下的辨識準確度。
這則新聞比較偏產業面,是一個還在原型階段、尚未開源或上市的新創產品,程式面的細節也不多。但對好奇感測器與機器學習怎麼結合應用在真實裝置上的孩子,這是個生動的例子:感測器收集訊號,模型把訊號翻譯成文字,跟語音辨識的概念其實很相似。
穿戴裝置語音輸入新創感測器