Очки Subvocal должны превращать беззвучные движения губ в текст со скоростью свыше 200 слов в минуту. Стартап рассчитывает выпустить устройство в первом квартале 2027 года и предлагает раннее бронирование за $499 — это попытка вынести голосовой интерфейс из переговорной, метро и опенспейса, где говорить с компьютером обычно неловко или нельзя.
Проект запустили студенты факультета компьютерных наук Georgia Tech Ааруш Ядав и Арнав Кумар, сообщает The Register. Вместо микрофона устройство использует маломощное радиочастотное зондирование: антенны в оправе направляют радиоволны к лицу, а модель машинного обучения анализирует, как меняется сигнал при движениях губ, языка и мышц лица. На выходе получается текст — даже если пользователь не произнёс ни звука.
От антенн на лице к оправе
Первая версия появилась на хакатоне около четырёх месяцев назад. Тогда основатели пытались распознавать артикуляцию через EMG-электроды, закреплённые на лице. Подход сработал как демонстрация, но плохо подходил для продукта: мало кто захочет приклеивать датчики к коже перед созвоном или написанием кода. Команда получила первоначальное финансирование от венчурной фирмы Afore Capital и переключилась на радиочастотное считывание.
Переход оказался не косметическим. По словам Ядава, первой попытке встроить антенны в очки не хватило качества сигнала, поэтому разработчикам пришлось временно вернуться к антеннам, приклеенным прямо к лицу. Затем они собрали низкошумный радиочастотный тракт и подобрали положение антенн так, чтобы их поле лучше покрывало органы артикуляции. Нынешний прототип всё ещё выглядит как инженерный образец, напечатанный на 3D-принтере, а не как готовый потребительский гаджет. На рендерах будущая версия заметно аккуратнее, но рендеры пока не умеют проходить сертификацию и работать восемь часов без подзарядки.
Компания заявляет, что её модели декодируют открытую речь, а не ограниченный набор заранее заданных команд. Для калибровки партнёру Y Combinator Дейву Либу, который опробовал прототип, понадобилось прочитать 20 предложений. Либ после демонстрации предложил команде финансирование через Y Combinator. Это важная деталь: система, требующая часов персональной настройки, вряд ли станет рабочим инструментом, тогда как несколько десятков фраз выглядят приемлемым стартом.
При этом главных цифр у Subvocal пока нет. Стартап не раскрывает точность распознавания, методику замера ошибок, время автономной работы, требования к смартфону или компьютеру и схему обработки данных. Формулировка о «разумно низком» уровне ошибок на небольшом датасете — не замена метрике. Заявленные более 200 слов в минуту тоже стоит читать осторожно: это показатель темпа декодирования в прототипе, а не подтверждение того, что человек сможет стабильно писать письма или код с такой скоростью и без исправлений.
Кому пригодится бесшумный ввод
Идея понятна любому, кто пытался надиктовать сообщение в офисе: голос быстрее клавиатуры, но окружающие получают бесплатную подписку на чужую переписку. Очки Subvocal потенциально могут пригодиться разработчикам для коротких команд и заметок, продактам — для фиксации идей между встречами, сотрудникам поддержки — для ответов в шумных помещениях. Для людей с нарушениями речи или ограниченной моторикой рук такой интерфейс в перспективе может быть ещё интереснее, но Subvocal пока не заявляет медицинское назначение устройства.
У технологии есть и менее приятная сторона. Текстовый ввод, скрытый за обычной на вид оправой, усложняет понимание того, когда человек общается с собеседником, а когда диктует ИИ-помощнику или отвечает в чате. Для компаний это поднимает знакомые вопросы: куда уходят распознанные фразы, хранится ли аудио — его здесь как раз нет — и можно ли использовать введённый текст в корпоративных системах без утечки чувствительных данных. Преимущество радиочастотного метода в том, что он не слушает комнату; риск перемещается в обработку и хранение расшифровки.
Предзаказ оформляется с платежом $199, ещё $300 компания рассчитывает получить при отправке устройства, то есть заявленная ранняя цена составляет $499. Финальная розничная цена не названа. Между работающим сигналом на демонстрации и продуктом, который выдержит повседневное использование, остаётся длинная дистанция: нужны воспроизводимая точность для разных лиц и манер артикуляции, удобная оправа, автономность и понятная политика данных. Если команда закроет эти вопросы, бесшумный интерфейс может стать альтернативой не только голосовым ассистентам, но и части рутинного клавиатурного ввода. Демонстрацию и исходные заявления стартапа можно сверить в материале .
