EchoSpeech: Revolusi Komunikasi dengan Teknologi Pengenalan Silent-Speech

Peneliti di Universitas Cornell telah mengembangkan EchoSpeech, antarmuka pengenalan silent-speech yang menggunakan teknologi penginderaan akustik dan kecerdasan buatan untuk mengenali hingga 31 perintah tanpa suara berdasarkan gerakan bibir dan mulut. Antarmuka wearable ini dapat dioperasikan pada smartphone dan hanya memerlukan beberapa menit data pelatihan pengguna untuk pengenalan perintah.

Ruidong Zhang, seorang mahasiswa doktoral ilmu informasi, adalah penulis utama “EchoSpeech: Continuous Silent Speech Recognition on Minimally-obtrusive Eyewear Powered by Acoustic Sensing,” yang akan dipresentasikan pada Konferensi Asosiasi untuk Komputasi Mesin tentang Faktor Manusia dalam Sistem Komputasi (CHI) bulan ini di Hamburg, Jerman.

“Bagi orang yang tidak dapat mengeluarkan suara, teknologi silent-speech ini bisa menjadi input yang sangat baik untuk sintesis suara. Ini bisa memberikan kembali suara kepada pasien,” kata Zhang, menyoroti potensi aplikasi teknologi ini dengan pengembangan lebih lanjut.

Aplikasi Dunia Nyata dan Kelebihan Privasi

Dalam bentuknya saat ini, EchoSpeech dapat digunakan untuk berkomunikasi dengan orang lain melalui smartphone di lingkungan di mana berbicara tidak nyaman atau tidak pantas, seperti restoran yang bising atau perpustakaan yang sunyi. Antarmuka silent-speech ini juga dapat dipasangkan dengan stylus dan digunakan dengan perangkat lunak desain seperti CAD, sehingga mengurangi kebutuhan akan keyboard dan mouse.

Antarmuka EchoSpeech dilengkapi dengan mikrofon dan speaker yang lebih kecil dari penghapus pensil, berfungsi sebagai sistem sonar wearable yang dipowered oleh teknologi penginderaan akustik, mengirim dan menerima gelombang suara di sekitar wajah dan mendeteksi gerakan mulut. Algoritma pembelajaran dalam maka menganalisis profil echo ini secara real-time dengan akurasi sekitar 95%.

“Kami sedang memindahkan sonar ke tubuh,” kata Cheng Zhang, asisten profesor ilmu informasi dan direktur Laboratorium Antarmuka Komputer Cerdas untuk Interaksi Masa Depan (SciFi) di Cornell.

Teknologi pengenalan silent-speech yang ada saat ini biasanya bergantung pada set perintah yang telah ditentukan sebelumnya dan memerlukan pengguna untuk menghadap atau mengenakan kamera. Cheng Zhang menjelaskan bahwa ini tidak praktis atau dapat diterapkan dan juga menimbulkan kekhawatiran privasi yang signifikan bagi pengguna dan orang-orang yang berinteraksi dengannya.

Teknologi penginderaan akustik EchoSpeech menghilangkan kebutuhan akan kamera video wearable. Selain itu, karena data audio lebih kecil dari data gambar atau video, maka memerlukan bandwidth yang lebih kecil untuk diproses dan dapat dikirim ke smartphone melalui Bluetooth secara real-time, menurut François Guimbretière, profesor ilmu informasi.

“Dan karena data diproses secara lokal di smartphone Anda bukan diunggah ke cloud,” katanya, “informasi yang sensitif privasi tidak pernah meninggalkan kendali Anda.”