Startup Aleph desenvolve tecnologia de fala silenciosa via ultrassom
Pesquisadores criaram um sistema que traduz movimentos da língua captados por ultrassom em texto, permitindo comunicação privada com computadores.
Pontos principais
- O sistema utiliza uma sonda de ultrassom posicionada sob o queixo para mapear os movimentos da língua em tempo real.
- A tecnologia alcançou uma taxa de erro de 15,6% em vocabulário aberto após treinamento com 50 horas de dados.
- O modelo foi desenvolvido em apenas um mês, utilizando uma arquitetura baseada em ResNet-18 e o decodificador Whisper da OpenAI.
- A abordagem supera métodos como leitura labial ou sensores EMG, ao capturar cerca de 34 classes de fonemas diretamente da língua.
- O protótipo demonstrou capacidade de generalização entre diferentes usuários com sotaque americano.
- Desafios atuais incluem a necessidade de reduzir o tamanho do hardware e substituir o gel de ultrassom por materiais mais práticos.
A startup Aleph apresentou um novo método de 'fala silenciosa' que utiliza imagens de ultrassom para converter movimentos da língua em texto. Ao contrário de tecnologias baseadas em radar ou eletromiografia (EMG), o sistema foca na precisão dos movimentos linguais, que oferecem um sinal mais rico e menos ruidoso para a interpretação de fonemas. O projeto foi treinado inicialmente com dados de fala audível para garantir a qualidade da transcrição, provando ser eficaz mesmo quando o usuário articula as palavras sem emitir som.
Embora o sistema ainda esteja em fase de protótipo, a equipe da Aleph destaca que a tecnologia visa permitir que usuários interajam com computadores e assistentes de voz em locais públicos sem comprometer a privacidade. Atualmente, o modelo apresenta limitações com sotaques não americanos e depende de hardware que ainda precisa ser miniaturizado para se tornar um dispositivo vestível, mas os pesquisadores afirmam que a precisão tende a aumentar conforme a base de dados cresce.
Comentários
Carregando comentários...