Изследователи от университета Корнел са разработили интерфейс EchoSpeech за разпознаване на тиха реч.
Очилата EchoSpeech са оборудвани с чифт микрофони ивисокоговорители, които са по-малки от гумичката на края на молив и не използват камера. Устройството изпраща и улавя акустични вълни, които показват промени в динамиката на лицевите мускули и устата. Алгоритъм за дълбоко обучение анализира тези ехо профили в реално време с точност от около 95%.
Как работи EchoSpeech. Изображение: Ruidong Zhang et al.
Получените данни се предават чрез Bluetooth къмв реално време на смартфона, се обработват и съхраняват локално на устройството. Разработчиците съобщават, че обучението на EchoSpeech за конкретен потребител отнема няколко минути.
За хора, които не могат да говорят, тази технология за безшумен говор може да бъде чудесен гласов синтезатор. Тя може да върне гласа на пациентите.
Ruidong Zhang, съавтор на разработката
Повечето безшумни технологии за разпознаване на речса ограничени до избран набор от предварително дефинирани команди и изискват потребителят и лицето, с което говорят, да гледат или носят камерата. Това значително усложнява възможността за използване на такива устройства. В допълнение, голям поток от данни изисква обработка в облака, което нарушава поверителността на потребителя.
В сегашния си вид EchoSpeech можеизползвайте, за да общувате с други хора чрез вашия смартфон на места, където говоренето е неудобно или неподходящо, като например в шумен ресторант или тиха библиотека. Интерфейсът за безшумен говор също може да бъде сдвоен със стилус и софтуер за проектиране като CAD, като на практика елиминира необходимостта от клавиатура и мишка, добавят разработчиците.
Прочетете още:
Учените разгадаха природата на странни радиосигнали от планета, подобна на Земята
Над Италия пламна червен ореол. Сега природата му е обяснена
Уеб откри най-старата черна дупка във Вселената