Äänetön puhe muuttuu puheeksi: kaulalle puettava järjestelmä

Kuvittele yrittäväsi puhua ilman ääntä ja silti tulla ymmärretyksi. Se ei ole enää tieteisfiktiota.

Pohangin tiede- ja teknologian yliopiston (tunnetaan paremmin nimellä POSTECH) tutkijat ovat kehittäneet puettavan järjestelmän, joka voi muuttaa äänettömän puheen kuuluvaksi ääneksi seuraamalla pieniä lihasten ja kaulan ihon liikkeitä. Työtä johtivat professori Sung-Min Park ja tohtori Sunguk Hong, ja se julkaistiin Cyborg and Bionic Systems -lehdessä. Tämä kehitys avaa uuden luvun ihmisen ja koneen väliseen viestintään.

Kuinka kuiskaus muuttuu ääneksi

Aloite on petollisen yksinkertainen. Vaikka henkilö ei puhu ääneen, keho silti liikkuu. Hienovaraiset muutokset kaulassa, leuassa ja sitä ympäröivässä ihossa paljastavat tarkoitetun sanamuodon. Nuo liikkeet luovat fyysisen signaalin, joka voidaan tallentaa ja tulkita puheentunnistusta ja puhesynteesiä varten.

Tätä varten POSTECHin ryhmä rakensi puettavan laitteen, jota he kutsuvat monisuuntaiseksi venymiskartanantunnistimeksi. Se käyttää pientä kameraa ja joustavaa silikonia, johon on merkitty referenssipisteitä, jotta se havaitsee jopa vähäiset pinnan muodonmuutokset. Käytännössä sensori voi istua mukavasti kaulalla, seurata liikettä tarkasti ja kalibroitua uudelleen, jos se siirtyy paikaltaan.

Kun data on kerätty, tekoäly astuu kuvaan. Järjestelmä lukee venymismallit, tunnistaa puheeseen liittyvän intentin ja rekonstruoi sanoja tai kokonaisia lauseita. Se yhdistää tämän tuloksen puhujan omiin ääniominaisuuksiin koulutetulla puhesynteesillä, jolloin syntyy luonnolliselta ja tunnistettavalta kuulostava puhe.

Todellinen läpimurto ei ole vain siinä, että järjestelmä "kuulee" hiljaisuuden, vaan että se voi säilyttää puhujan oman äänen.

Kevyempi ratkaisu sitkeään ongelmaan

Äänen palautusteknologia on pitkään perustunut menetelmiin kuten elektromyografiaan ja elektroenkefalografiaan. Nuo järjestelmät voivat olla tehokkaita, mutta niihin liittyy usein selkeitä kompromisseja: tilaa vievä laitteisto, kömpelö asentaminen ja rajallinen mukavuus päivittäisessä käytössä.

Tässä POSTECHin lähestymistapa erottuu edukseen. Se on puettava, kevyt ja suunniteltu käytännön käyttöön laboratorioesitysten sijaan. Testauksessa järjestelmä osoitti vahvaa puheen rekonstruintitarkkuutta, jopa meluisissa ympäristöissä, joissa tavalliset mikrofonit usein epäonnistuvat. Teolliset ympäristöt ovat erityisen vaativa koekenttä, ja tämä teknologia näyttää olevan suunniteltu juuri tällaisiin haasteisiin.

Käyttötapaukset ovat helppo nähdä. Potilaille, jotka ovat menettäneet äänensä vokaalivaurion tai kurkunleikkausten vuoksi, tämä voisi tarjota tavan kommunikoida uudelleen käyttäen jotain läheltä heidän omaa luonnollista ääntään. Se ei ole vähäpätöinen asia. Monelle ihmiselle se muuttaisi elämää.

Vaikutus voi kuitenkin ulottua paljon laajemmalle kuin pelkkään terveydenhuoltoon.

Äänetön kommunikointi voisi käydä hyödylliseksi kokouksissa, kirjastoissa, vilkkaissa liikennekeskuksissa tai meluisissa työympäristöissä, joissa ääneen puhuminen on hankalaa tai mahdotonta. Se voi myös muuttaa tapaa, jolla ihmiset ovat vuorovaikutuksessa tekoälyjärjestelmien kanssa, tehden komennoista ja vastauksista vähemmän mekaanisia ja intuitiivisempia. Ei enää näppäimistöjä tai mikrofoneja. Pelkkä intentio käännetään puheeksi.

Tällä hetkellä tutkimusryhmä keskittyy tarkkuuden parantamiseen, kielituen laajentamiseen ja järjestelmän tekemiseen entistä sopeutuvammaksi todelliseen käyttöön. Jos nämä palaset loksahtavat kohdalleen, tällainen puettava tekoäly voi edetä lupaavasta prototyypistä jokapäiväiseksi työkaluksi nopeammin kuin moni odottaa.

Suurempaa trendiä on vaikea olla huomaamatta. Tekoäly muuttuu aiempaa näkymättömämmäksi, henkilökohtaisemmaksi ja yhä tiiviimmin integroiduksi laitteisiin, joita kannamme. Innovaatioiden myötä jopa sanomattomat sanat saattavat pian saada oman äänensä.