Fra tavshed til stemme: bærbar AI oversætter stille tale

Forestil dig at forsøge at tale uden at lave en lyd og alligevel blive forstået. Det er ikke længere videnskabsfiktion.

Forskere ved Pohang Universitet for Videnskab og Teknologi (POSTECH) har udviklet et bærbart system, der kan omsætte stille tale til hørbar stemme ved at spore små bevægelser i muskler og hud omkring halsen. Arbejdet, ledet af professor Sung-Min Park og dr. Sunguk Hong, blev offentliggjort i tidsskriftet Cyborg and Bionic Systems og peger på et nyt kapitel i menneske-maskine-kommunikation.

Hvordan en hvisken bliver til en stemme

Idéen er snedigt enkel. Selv når en person ikke taler højt, bevæger kroppen sig stadig. Subtile forskydninger i hals, kæbe og den omliggende hud afslører formen på de tilsigtede ord. Disse bevægelser skaber et fysisk signal, der kan indfanges og fortolkes.

For at gøre det byggede POSTECH-holdet en bærbar enhed kaldet en multiaxial belastningskortlægningssensor. Den bruger et miniaturekamera og fleksibelt silikone markeret med referencepunkter til at registrere selv små overfladedeformationer. I praksis betyder det, at sensoren kan sidde behageligt på halsen, spore bevægelser præcist og genkalibrere sig selv, hvis den flytter position.

Når dataene er indsamlet, træder kunstig intelligens til. Systemet læser belastningsmønstrene, identificerer den talte hensigt og rekonstruerer ord eller hele sætninger. Derefter parres outputtet med stemmesyntese trænet på brugerens egne vokale træk, så talen lyder naturlig og genkendeligt menneskelig.

Det virkelige gennembrud er ikke kun, at systemet kan 'høre' tavshed, men at det kan bevare talerens egen stemme.

En lettere løsning på et genstridigt problem

Stemmegenoprettelsesteknologi har længe været afhængig af værktøjer som elektromyografi og elektroencefalografi. Disse systemer kan være effektive, men de kommer ofte med åbenlyse kompromiser: klodset hardware, besværlig opsætning og begrænset komfort til daglig brug.

Her adskiller POSTECHs tilgang sig. Den er bærbar, let og designet til praktisk brug frem for demonstrationsformål i laboratorier. Under test viste systemet høj nøjagtighed i talegengivelsen, også i støjende omgivelser, hvor almindelige mikrofoner typisk svigter. Især industrielle miljøer udgør en hård prøve, og denne teknologi synes bygget til netop den slags udfordringer.

De potentielle anvendelser er lette at se. For patienter, der har mistet stemmen på grund af skader på stemmebåndene eller strubeoperation, kan dette give en måde at kommunikere igen på med noget, der ligner deres egen naturlige stemme. Det er ikke en lille ting. For mange mennesker ville det ændre livet.

Men virkningen kan nå langt ud over sundhedssektoren.

Stille kommunikation kan blive nyttigt i møder, biblioteker, travle transportknudepunkter eller støjende arbejdspladser, hvor det er upraktisk eller umuligt at tale højt. Det kan også ændre måden, folk interagerer med AI-systemer på, så kommandoer og svar føles mindre mekaniske og mere intuitive. Ingen tastatur. Ingen mikrofon. Kun intention oversat til tale.

For nu fokuserer forskningsteamet på at forbedre nøjagtigheden, udvide sprogunderstøttelsen og gøre systemet endnu mere tilpasningsdygtigt til udrulning i virkeligheden. Hvis de dele falder på plads, kan denne form for bærbar AI bevæge sig fra lovende prototype til et dagligt værktøj hurtigere end mange forventer.

Den større trend er svær at overse. AI bliver mindre synlig, mere personlig og langt mere indlejret i de enheder, vi bærer. Og med innovationer som denne kan selv uuttalte ord snart få en stemme.