Show HN：Subvocal——无声地与你的电脑交谈

大家好，HN，我们是 The Subvocal Company（YC F26）的 Aarush 和 Arnav。我们正在开发一款智能眼镜，让你无需出声就能与电脑交谈。你只需悄无声息、不引人注意地做出说话的口型，眼镜就能以说话的速度将其解码为文本。这是 YC 的 Dave 试用它的视频：https://youtube.com/shorts/-L1Qb5oINK4 今年年初，Arnav 和我还在 Georgia Tech 学习计算机科学，对无声语音或传感技术毫无经验。我们都是 AI 原生开发者，也是 Wispr Flow 的重度用户。让我们苦恼的是，在图书馆、办公室或公共场合无法使用这些工具。 2 月，在 Stanford 的 TreeHacks 上，我们决定做一件在技术上能想到的最离谱的事。我们读过有关 AlterEgo 的资料，那是 MIT Media Lab 开发的一套无声语音系统，我们想在 36 小时内复现它。我们把肌电（EMG）电极贴在我的脸上，搭出了一个粗糙的原型：https://drive.google.com/file/d/1mwhv5HZMz3UTevdrgwS5O7g2jWV... 它勉强能以非常不稳定的方式识别字母。虽然不足以赢得黑客松，却让我们下定决心全力投入。第一次在无人察觉的情况下输入一句话时，我感受到了这项技术的魔力。我们获得了 Afore Capital 的种子前轮融资，随后全身心投入其中！ 我们很快意识到，EMG（读取肌肉电信号）这条路走不通： - 汗水会导致信号变化 - 存在电气干扰 - 电极放置位置存在差异 - 最重要的是，没人愿意往脸上贴电极！！ 于是我们转向射频（RF）技术，做出了你现在看到的这副眼镜。它会发射类似 Bluetooth 的无线电波，穿过你的面部。当电波经过舌头、嘴唇和软腭时，无声的口型动作会对其产生调制。我们用这些数据训练基础模型，将这些扰动解码为文本。 尽管此前已有相关学术研究，真正让它运作起来仍是一项巨大的工程挑战。首先，我们构建了一套噪声极低的射频传感系统。然后，我们必须合理布置天线，让它们的电磁场尽可能覆盖发音器官。第一次将天线装在眼镜上的尝试彻底失败，于是我们又回到老办法，把天线贴在脸上：https://drive.google.com/file/d/1ks0dS0eZiTV9EqSFsyB_w5BBjpc... 由于很难每次都把天线以相同角度贴在同一位置，我们制作了这个古怪却有效的头部支架，将它们固定住：https://drive.google.com/file/d/1rhzNFpdDzr7oHk0isFY70dkoV4C... 这套装置奏效了，但显然还算不上产品。因此，我们深入开展仿真，设计能够容纳天线的眼镜。它逐渐演变成我们如今的设计：将天线嵌入镜框内部。 确认能够获取信号后，下一个障碍是跨用户泛化。每个人的面部解剖结构都大不相同，因此射频信号模式也差异巨大。我们尝试过从算法上寻找变通办法，但最终意识到，唯一有效的手段是大幅扩大预训练数据规模。于是我们就这么做了。我们在办公室里搭建了隔间，付费请人戴着眼镜朗读提示文本，以此收集模型预训练数据。 这带来了一条漂亮的规模扩展曲线：随着数据集扩大，错误率迅速下降，跨用户表现也变得真正令人信服。正如上面的视频所示，Dave 只做了简短的 20 句校准。 我们总听人说要从第一性原理出发做东西，但在这之前从未真正理解。我们试过自上而下地解决问题，却彻底失败了。只有把每个组成部分——天线、电子电路、机器学习——都拆解到最基本的原理，加以理解和优化后，我们才让它真正出色地运作起来。 接下来的几个月，我们将继续研发，把原型眼镜打造成网站上展示的那款精致产品，并于 2027 年第一季度发货。我们也在扩大数据集，以改善边缘情况下的表现。 如果你喜欢语音输入，却讨厌在别人身边使用它，我们已开放首批 500 台产品的预订，价格比最终售价优惠 200 美元。名额正在迅速减少，欢迎前往 https://subvocal.co/preorder 预订。 评论链接：https://news.ycombinator.com/item?id=50340088 得分：12 评论数：0