AI-szemüveg forradalmasíthatja a hallást, valós időben szűrve a háttérzajt

A technológia valós időben képes kiszűrni a háttérzajt, miközben a beszélő ajkainak mozgását is figyeli – így akár zsúfolt, zajos környezetben is tisztán hallhatóvá válik a kívánt beszédhang.

A projektet a Heriot-Watt Egyetem vezeti, az Edinburgh-i Egyetem, a Napier Egyetem és a Stirlingi Egyetem kutatóinak bevonásával. A rendszer alapja egy apró kamera, amelyet a szemüvegbe építenek, és amely a beszélő ajkait követi.

Az így rögzített kép- és hanganyagot egy okostelefonos alkalmazás 5G-hálózaton keresztül továbbítja egy nagy teljesítményű felhőszerverre, ahol a mesterséges intelligencia szinte azonnal elkülöníti a célszemély hangját a környezeti zajoktól. A megtisztított hang visszakerül a felhasználó hallókészülékébe vagy fejhallgatójába, így az élmény közel valós idejű marad.

Miért van szükség ilyen technológiára?

A fejlesztés hátterében komoly igény áll: a brit Királyi Nemzeti Siketek Intézete szerint több mint 1,2 millió felnőtt él az Egyesült Királyságban olyan mértékű hallásvesztéssel, amely megnehezíti a hétköznapi beszélgetéseket. A hagyományos hallókészülékek zajos környezetben gyakran kevésbé hatékonyak, különösen, ha több ember beszél egyszerre.

„Nem akarjuk feltalálni újra a hallókészüléket – mi szuperképességeket akarunk adni neki” – fogalmazott a projekt vezetője, Mathini Sellathurai professzor. A szemüveg használata egyszerű: a felhasználó ránéz arra, akit hallani szeretne, az AI pedig a vizuális jelek alapján kiszűri annak hangját még akkor is, ha mások is beszélnek a közelben.

A rendszer lényege

A módszer az ún. audio-vizuális beszéderősítés elvét alkalmazza, amely a szájmozgások és a beszéd közötti szoros kapcsolatot használja ki. A kutatók zajmintákat gyűjtöttek – a forgalom zajától a mosógép zúgásáig – annak érdekében, hogy a rendszer még megbízhatóbban működjön valós környezetben.

A prototípus már elkészült, és a kezdeti tesztek ígéretesek. Bár a hangadatok akár a svédországi felhőszerverekig is elutaznak, az 5G-hálózatnak köszönhetően a késleltetés elhanyagolható. A cél, hogy 2026-ra elkészüljön a működő változat, és a hallókészülék-gyártókkal együttműködve a lehető legszélesebb körben, megfizethető áron legyen elérhető – nemcsak hallássérültek, hanem zajos munkahelyeken dolgozók, például olajfúrótornyok vagy kórházi osztályok munkatársai számára is.

Az okosszemüvegek piacán egyébként a Meta is igen aktív mostanában, Zuckerberg szerint ez lesz a fejlettebb emberi jelenlét záloga.