EchoSpeech: ثورة في التواصل مع تقنية التعرف على الكلام الصامت

قام باحثون في جامعة كورنيل بتطوير EchoSpeech، وهي واجهة تعرف على الكلام الصامت تستخدم الحس الصوتي والذكاء الاصطناعي لتعرف بشكل مستمر على ما يصل إلى 31 أمرًا غير مُلفظ دون الحاجة إلى تدريب مستخدم لمدة بضع دقائق فقط. يمكن تشغيل هذه الواجهة القابلة للارتداء على هاتف ذكي وتحتاج فقط إلى بضع دقائق من بيانات تدريب المستخدم لتعرف الأوامر.

رودونغ زانغ، وهو طالب دكتوراه في علوم المعلومات، هو المؤلف الرئيسي لـ “EchoSpeech: Continuous Silent Speech Recognition on Minimally-obtrusive Eyewear Powered by Acoustic Sensing،” والذي سوف يتم تقديمه في مؤتمر رابطة الحواسيب للمعاملات البشرية في الحواسيب (CHI) هذا الشهر في هامبورغ، ألمانيا.

“لأشخاص لا يستطيعون النطق، يمكن أن تكون هذه التقنية الصامتة مُدخلاً ممتازًا لمُحاكي الصوت. يمكن أن تُرجع الأصوات للمرضى”، قال زانغ، مشيرًا إلى التطبيقات المحتملة للتكنولوجيا مع التطويرات الإضافية.

التطبيقات العملية والفوائد الخاصة بالخصوصية

في شكله الحالي، يمكن استخدام EchoSpeech للتواصل مع الآخرين عبر هاتف ذكي في البيئات التي يكون فيها الكلام غير ملائم أو غير مناسب، مثل المطاعم الصاخبة أو المكتبات الهادئة. يمكن أيضًا ربط واجهة الكلام الصامت بstylus واستخدامها مع برنامج التصميم مثل CAD، مما يقلل بشكل كبير من الحاجة إلى لوحة مفاتيح وفأرة.

تتمتع نظارات EchoSpeech بسماعات وأجهزة لاسلكية أصغر من ممحاة القلم، وتعمل كنظام سونار مدعوم بالذكاء الاصطناعي قابل للارتداء، وإرسال واستقبال الموجات الصوتية عبر الوجه واكتشاف حركات الفم. ثم يقوم خوارزمية التعلم العميق بتحليل هذه الملفات الصوتية في الوقت الفعلي بدقة تقارب 95%.

“نحن ننتقل إلى وضع السونار على الجسم”، قال تشينغ زانغ، أستاذ مساعد في علوم المعلومات ومدير مختبر واجهات الحاسوب الذكية للمعاملات المستقبلية (SciFi) في جامعة كورنيل.

تعتمد تقنيات التعرف على الكلام الصامت الحالية بشكل عام على مجموعة محدودة من الأوامر المحددة مسبقًا وتتطلب من المستخدم مواجهة أو ارتداء كاميرا. وأوضح تشينغ زانغ أن هذا ليس عمليًا ولا ممكنًا وأيضًا يثير مخاوف كبيرة تتعلق بالخصوصية للمستخدم والذين يتفاعلون معهم.

تُزيل تقنية EchoSpeech الحساسة الصوتية الحاجة إلى كاميرات فيديو قابلة للارتداء. بالإضافة إلى ذلك، نظرًا لأن بيانات الصوت أصغر من بيانات الصورة أو الفيديو، فإنها تتطلب 带width أقل لمعالجتها ويمكن نقلها إلى هاتف ذكي عبر البلوتوث في الوقت الفعلي، وفقًا لفرنسوا غيمبرتيير، أستاذ في علوم المعلومات.

“و لأن البيانات يتم معالجتها محليًا على هاتفك الذكي بدلاً من تحميلها إلى السحابة”، قال، “فإن المعلومات الحساسة المتعلقة بالخصوصية لا تترك أبدًا سيطرتك”.