एआई मॉडल और प्लेटफ़ॉर्म
इको स्पीच: मौन-वार्ता पहचान प्रौद्योगिकी के साथ संचार को क्रांतिकारी बनाना
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
कॉर्नेल विश्वविद्यालय के शोधकर्ताओं ने इको स्पीच विकसित किया है, एक मौन-वार्ता पहचान इंटरफ़ेस जो ध्वनि-संवेदन और कृत्रिम बुद्धिमत्ता का उपयोग करके 31 अवाचिक निर्देशों को लगातार पहचान सकता है, जो होठों और मुंह की गतिविधियों पर आधारित है। यह कम-शक्ति वाला, पहनने योग्य इंटरफ़ेस एक स्मार्टफोन पर संचालित किया जा सकता है और कमांड पहचान के लिए केवल कुछ मिनटों के उपयोगकर्ता प्रशिक्षण डेटा की आवश्यकता होती है।
सूचना विज्ञान के डॉक्टरेट छात्र रुइडोंग झांग इको स्पीच के लेखक हैं, जो “इको स्पीच: मिनिमली-अवरोधक आईवियर पर स्थिर मौन-वार्ता पहचान” है, जो इस महीने जर्मनी के हैम्बर्ग में एसोसिएशन फॉर कंप्यूटिंग मशीनरी कॉन्फ्रेंस ऑन ह्यूमन फैक्टर्स इन कंप्यूटिंग सिस्टम्स (सीएचआई) में प्रस्तुत किया जाएगा।
“जो लोग आवाज नहीं निकाल सकते हैं, यह मौन-वार्ता प्रौद्योगिकी एक उत्कृष्ट इनपुट हो सकती है एक वॉइस सिंथेसाइज़र के लिए। यह रोगियों को उनकी आवाज वापस दे सकती है,” झांग ने कहा, इस प्रौद्योगिकी के संभावित अनुप्रयोगों को और विकास के साथ उजागर किया।
वास्तविक-विश्व अनुप्रयोग और गोपनीयता लाभ
इसके वर्तमान रूप में, इको स्पीच का उपयोग स्मार्टफोन के माध्यम से दूसरों के साथ संवाद करने के लिए किया जा सकता है जहां बोलना असुविधाजनक या अनुचित है, जैसे कि शोर वाले रेस्तरां या शांत पुस्तकालय। मौन-वार्ता इंटरफ़ेस को एक स्टाइलस के साथ जोड़ा जा सकता है और डिज़ाइन सॉफ़्टवेयर जैसे कैड के साथ उपयोग किया जा सकता है, जो कीबोर्ड और माउस की आवश्यकता को काफी कम कर देता है।
पेंसिल इरेज़र से छोटे माइक्रोफोन और स्पीकर से सुसज्जित, इको स्पीच चश्मा एक पहनने योग्य एआई-संचालित सोनार प्रणाली के रूप में कार्य करता है, जो चेहरे पर ध्वनि तरंगें भेजता और प्राप्त करता है और मुंह की गतिविधियों का पता लगाता है। एक गहरा शिक्षण अल्गोरिदम तब वास्तविक समय में इन इको प्रोफाइलों का विश्लेषण करता है लगभग 95% सटीकता के साथ।
“हम सोनार को शरीर पर ले जा रहे हैं,” चेंग झांग ने कहा, जो सूचना विज्ञान के सहायक प्रोफेसर और कॉर्नेल के स्मार्ट कंप्यूटर इंटरफेस फॉर फ्यूचर इंटरैक्शन (स्किफी) लैब के निदेशक हैं।
मौजूदा मौन-वार्ता पहचान प्रौद्योगिकी आमतौर पर एक सीमित सेट निर्धारित निर्देशों पर निर्भर करती है और उपयोगकर्ता को कैमरे का सामना करने या पहनने की आवश्यकता होती है। चेंग झांग ने समझाया कि यह न तो व्यावहारिक है और न ही व्यावहारिक है, और यह उपयोगकर्ता और उन लोगों के लिए जिनसे वे बातचीत करते हैं, दोनों के लिए महत्वपूर्ण गोपनीयता चिंताएं उठाता है।
इको स्पीच की ध्वनि-संवेदन प्रौद्योगिकी पहनने योग्य वीडियो कैमरों की आवश्यकता को समाप्त करती है। इसके अलावा, क्योंकि ऑडियो डेटा छवि या वीडियो डेटा की तुलना में छोटा है, इसके लिए कम बैंडविड्थ की आवश्यकता होती है और इसे वास्तविक समय में ब्लूटूथ के माध्यम से स्मार्टफोन पर प्रेषित किया जा सकता है, सूचना विज्ञान के प्रोफेसर फ्रांस्वा गुइम्बर्टियर के अनुसार।
“और चूंकि डेटा आपके स्मार्टफोन पर स्थानीय रूप से संसाधित किया जाता है, न कि क्लाउड पर अपलोड किया जाता है,” उन्होंने कहा, “गोपनीयता-संवेदनशील जानकारी कभी भी आपके नियंत्रण से बाहर नहीं जाती है।”
