声に出さずPCに入力できるメガネ型デバイスが海外で話題

Y Combinator出身のスタートアップ「The Subvocal Company」が、声を出さずに口を動かすだけでパソコンに文字入力できるメガネ型デバイス「Subvocal」をHacker Newsで発表し、話題になった。もともとは大学のハッカソンでEMG電極を顔に貼った試作機から始まり、汗や設置位置のブレに悩んだ末、電波(RF)で口の中の動きを読み取る方式に切り替えたという。200ドル引きの先行予約(500台限定)も始まっており、スレでは「本当にタイピングより速いのか」という懐疑論、読唇術による盗聴を心配する冗談、競合のイヤホン型製品との比較などで意見が分かれた。

こんにちはHN、The Subvocal Company(YC F26)のAarushとArnavです。私たちは、声に出さずにパソコンへ話しかけられるメガネ型デバイスを作っています。無言で口を動かすだけで、話す速度のままテキストに変換できます。YCのデイブが試している動画はこちら。(追記:実は唇を動かしたり口を開けたりする必要すらありません!電波は口の中まで『見える』ので、唇を閉じたまま口の中だけを動かす『内側の発話』にも対応できるようチューニングしています。これは『考える』ときに自然に起こる舌の動きとは違い、唇を閉じたまま口の中で発音するような感覚です。多くの人にとって不思議な動作なので普段は前面に出していませんが、少し練習すればかなりうまくできるようになります。)Arnavと私は年初、ジョージア工科大学でCSを学んでいて、無音発話やセンシングの経験はありませんでした。二人ともAIネイティブな開発者で、Wispr Flowを使い込んでいましたが、図書館やオフィス、人前でそれらのツールを使えないことに不満を感じていました。2月のスタンフォードのTreeHacksで、思いつく中で一番技術的にばかげたものを作ろうと決めました。MITメディアラボの無音発話システム『AlterEgo』を読んで知っていたので、36時間でそれを再現しようとしました。顔にEMG電極を貼った粗い試作機を作りました。文字レベルではなんとか動くようになりましたが、かなり不安定で、ハッカソンで優勝するには至りませんでした。それでも本気でやる決意ができました。誰にも気づかれずに一文を入力できた最初の瞬間、この技術の魔法を感じました。すぐにEMG(筋肉の電気信号を読む方式)では駄目だと分かりました。汗で信号が変わる、電気的な干渉がある、装着位置のブレがある、そして何より、誰も顔に電極を貼りたがらない!そこでRF(電波)に切り替え、今お見せしているメガネを作りました。Bluetoothに似た電波を発し、顔を通過させます。それが舌や唇、軟口蓋を横切るときに無音の口の動きによって変調されます。そのデータで基盤モデルを学習させ、変調パターンをテキストに変換しています。先行研究はあったものの、実際に動かすのは大きな技術的挑戦でした。まず極めて低ノイズのRFセンシング基盤を作りました。次にアンテナを発話器官と電波の場が最大限重なる位置に配置する必要がありました。メガネでの最初の試みは完全に失敗したので、昔のやり方に戻ってアンテナを顔に直接テープで貼りました。同じ位置・角度で毎回テープを貼るのは難しかったので、変だけれど効果的な、アンテナを固定するヘッドリグを作りました。これはうまくいきましたが、まだ製品とは言えませんでした。そこでシミュレーションを重ね、アンテナを収められるメガネを設計しました。それが発展して、フレームにアンテナを内蔵した今のデザインになりました。信号があることが分かった後、次の壁はユーザーごとの汎化でした。顔の構造は人によって大きく異なり、RF信号のパターンもそれに応じて変わります。アルゴリズムで対処しようとしましたが、唯一有効な手段は事前学習データを大幅に増やすことだと分かりました。そこでオフィスにブースを設置し、お金を払って人々にメガネをつけたままプロンプトを読んでもらい、モデルの事前学習に使いました。これによって美しいスケーリングカーブが得られ、データセットを増やすほど誤りが減り、ユーザーをまたいだ性能が本当に説得力のあるレベルになりました(上の動画の通りで、デイブはわずか20文の短い調整だけでした)。『第一原理から作る』という話はよく聞きますが、これをやる前は本当の意味を理解していませんでした。トップダウンで取り組もうとして完全に失敗し、各要素(アンテナ、電子回路、機械学習)を基礎まで分解して理解・最適化したときだけ、うまく動くようになりました。今後数か月で、試作メガネをウェブサイトに載せている洗練された製品に仕上げるための研究開発を続け、2027年第1四半期に出荷予定です。エッジケースでの性能を上げるため、データセットの拡大も進めています。音声入力は好きだけど人前で使うのは嫌だという人のために、最終価格から200ドル引きで最初の500台の先行予約を開始しました。残りはすぐになくなりそうなので、お早めにどうぞ!

出典: youtube.com / 元記事はこちら

※本記事は海外掲示板 Hacker News のスレッド「Show HN: Subvocal – Talk to your computer without making noise」から抜粋し、編集部で日本語に意訳したものです。訳文の責任は当サイトにあります。