این عینک هوشمند قول می دهد که حرکات بی صدا دهان شما را به متن تبدیل کند

دفعه بعد که مهندس نرم‌افزاری را دیدید که با دهانش کلمات بی‌صدا را شکل می‌دهد، ممکن است لازم باشد قبل از اینکه بپرسید آیا به یک روز سلامت روان نیاز دارد یا نه، دو بار فکر کنید - ممکن است فقط یک جفت عینک هوشمند داشته باشند که به آنها اجازه می‌دهد بدون اینکه صدایی به زبان بیاورند با رایانه خود صحبت کنند.

Subvocal یک استارت‌آپ با پشتیبانی Y Combinator است که قصد تولید این عینک‌ها را دارد و قبلا نمونه‌های اولیه‌ای برای نمایش در ویدیوهای یوتیوب دارد، از جمله نمونه‌هایی با شریک YC، Dave Lieb که آن‌ها را امتحان کرده و به اندازه کافی تحت تأثیر قرار گرفته است تا بودجه ارائه دهد. این شرکت خاطرنشان می کند که هدست آن چیزی نیست که نسخه نهایی به نظر می رسد، که خوب است: هدست نسخه ی نمایشی به وضوح چاپ سه بعدی است و به دور از مد است.

پس از در دسترس قرار گرفتن محصول نهایی، بر اساس مدل های موجود در وب سایت شرکت، باید بسیار شیک تر به نظر برسد. مشخص نیست که آنها واقعا چه زمانی عرضه می شوند، اگرچه صفحه پیش خرید می گوید که در سه ماهه اول 2027 با قیمت اولیه 499 دلار خواهد بود. معلوم نیست قیمت نهایی نهایی چقدر خواهد بود.

در مورد نحوه عملکرد این عینک، بنیانگذاران، دانشجویان علوم کامپیوتر جورجیا Tech Aarush Yadav و Arnav Kumar در یک پست راه اندازی در YC توضیح می دهند که این دستگاه از امواج رادیویی کم مصرفی استفاده می کند که از عینک به سمت صورت کاربر پخش می شود. این امواج در اثر حرکات ماهیچه‌ای و تغییر شکل صورت فرد هنگام صحبت کردن یا به زبان آوردن کلمات، تغییر شکل می‌دهند، که این دو نفر گفتند که می‌توان آن‌ها را برداشت و به متن نوشتاری ترجمه کرد.

این زوج در پست YC خود توضیح دادند: "ما حدود چهار ماه پیش پس از ساختن اولین نسخه در یک هکاتون کار روی این موضوع را شروع کردیم." از آن زمان، ما از یک میز پر از لوازم الکترونیکی و آنتن‌هایی که به صورت ما چسبانده شده‌اند، به یک برد نیمه قابل حمل و عینک‌های شیک تبدیل شده‌ایم که می‌تواند گفتار باز را با سرعت 200+ WPM و نرخ خطای نسبتا پایینی را حتی در مقیاس داده کوچک رمزگشایی کند.»

این فقط یک اثبات مفهوم است، و بسیاری از جزئیات کلیدی مانند میزان دقت، عمر باتری، جفت شدن آن با یک برنامه یا آنچه شما دارید، هنوز گم شده است.

Yadav و Kumar گفتند: "چیزی که ما می خواستیم ابتدا ثابت کنیم این بود که سیگنال وجود دارد و ما می توانیم آن را رمزگشایی کنیم."

Yadav و Kumar در یک پست Hacker News که شرکت را اعلام کردند، توضیح دادند که آنها این پروژه را در طول هکاتون با تمرکز بر استفاده از الکترودهای EMG متصل به صورت Yadav آغاز کردند. آنها برنده هکاتون نشدند، اما ظاهرا نسخه ی نمایشی به اندازه کافی چشمگیر بود تا مقداری بودجه اولیه از شرکت Afore Capital VC سانفرانسیسکو به دست آورد.

مدت کوتاهی پس از آن، این جفت از حسگر EMG به حسگر RF چرخید، زیرا بعید به نظر می‌رسد که یک محصول دیکته تجاری که نیاز به چسباندن الکترودها به صورت فرد دارد، موفق شود.

یاداو گفت: «علیرغم تحقیقات آکادمیک قبلی، به کار بردن این یک چالش مهندسی بزرگ بود. ابتدا یک پشته حسگر RF بسیار کم صدا ساختیم. سپس مجبور شدیم آنتن‌ها را طوری قرار دهیم که میدان‌های آن‌ها حداکثر با مفصل‌کننده‌ها همپوشانی داشته باشند. اولین تلاش ما برای ساخت عینک کاملا شکست خورد، بنابراین به عادت‌های قدیمی برگشتیم و آنتن‌ها را روی صورتمان چسباندیم.»

آنها در نهایت به نمونه اولیه کاربردی که در حال حاضر دارند رسیدند و مدل‌های هوش مصنوعی را که تشخیص گفتار را انجام می‌دهند، از قبل آموزش دادند تا زمان تنظیم را به حداقل برسانند. به گفته این شرکت، لیب فقط باید 20 جمله را می خواند تا هدست را با الگوهای گفتاری خود کالیبره کند.

این شرکت درباره هدف خود می‌گوید: «ما فکر می‌کنیم که گفتار بی‌صدا می‌تواند به رابط بعدی برای تعامل با رایانه‌ها، جایگزین صدا و صفحه کلید تبدیل شود». «ایمیل‌ها، درخواست‌ها، پیام‌ها، کدها، یادداشت‌ها، فرمان‌ها، همه با سرعت گفتار بدون آزار کسی در اطرافتان.»

ساب وکال با تنها چهار ماه کار می‌تواند موفقیت بزرگی داشته باشد و عصر جدیدی از بهره‌وری زمزمه‌های بی‌صدا را برای کارگران در صنایع مختلف آغاز کند، یا می‌تواند در تلاش برای بزرگ‌تر شدن از بین برود.

کسانی که علاقه مند به این موضوع هستند می توانند یک جفت را با قیمت 199 دلار پیش خرید کنند و 300 دلار دیگر تا زمان تحویل عینک پرداخت نمی شود. ®