Subvocal - 声を出さずに音声速度でテキスト入力
Show HN: Subvocal – Talk to your computer without making noise
Subvocalは、声を出さずに口の動きだけでコンピュータへテキスト入力できるデバイスです。200WPM以上という話す速度でのサイレント入力が可能で、満員電車や静かなオフィス、カフェなど声を出しにくい環境でも会話やメモがはかどります。カメラや思考の読み取りは一切不要で、意図的に発音した言葉だけをデコードする仕組みです。ChatGPT、Claude、Cursor、Slack、メールなど普段使うアプリの入力手段としてそのまま利用でき、周囲の騒音にも影響されにくいのが特長です。Y Combinatorが支援しています。
声は完璧に流れる。でも、それが気まずくなる瞬間がある。Subvocalは、ほとんど見えないほど小さな口の動きを200WPM以上のテキストに変換します。言葉は必要な場所へ、部屋は静かなまま。
HNでの議論
307- vessenes
ちょうど予約注文したところです -- メガネについてのお願い：うまく言う方法がないのですが、私は鼻が大きくて、鼻筋も高いんです。多くのメガネは正しく位置合わせするのが本当に難しいので、製品写真にあるような金属アジャスター付きのパッドを諦めないでいただけますか？デザイナーにそれを取り上げさせないでください。「普通」の鼻から1標準偏差も外れていない我々のような人々が感謝します。
次に、この信号処理はどれくらい難しいのですか？メガネ上で行われるのか、アプリ経由なのか？3つ目に、これらのウェイクワードに相当するものは何ですか？Apple Vision Proが指のクリックを検知するレーダーを思い出します。話し始めるだけで物事が起こってほしいモダリティもたくさんあれば、メガネに拾われたくないモダリティもたくさんあります。4つ目に、クールな声変換のデモは最高だと思います -- レイテンシがどうなっているかはわかりませんが、エンドツーエンドで250ms以下にできれば、誰かに口の動きを誇張させて、別の人の声で話している音声を出力できるでしょう。これもまた本当にクールなデモになります。
最高にクールです。これから1年間は週80時間働くことになるでしょうね。どんなものを出してくれるのか楽しみにしています！
- eranation
以下と比べてどうですか？
- https://github.com/amywork777/lipflow
- https://github.com/amirrsyed/hushkey
- growt
技術の大部分がメガネのテンプル（つる）部分にあるなら、既存のメガネに取り付けられるものの方がいいです。私は度付きメガネをかけていて頭も大きいので、Even G2スマートグラスを試しましたが、用意されているフレームが私には小さすぎました。
- sourpanda
これは信じられないほどクールで、SF小説からそのまま出てきたようなものだと思います！アクセシビリティのためにも、一般的なハンズフリーコンピューティングのためにも画期的だと思います。また、ウェブサイトには投稿本文に書かれているような仕組みの詳細をもっと載せるべきだという他のコメントにも同意します。素晴らしい仕事です、皆さん！
- genxy
Googleはこの技術を携帯電話に搭載したかったが、プライバシー侵害になるという理由で悪いアイデアだと説得された。例えば、性的興奮をあらゆる電話の操作（ビデオチャット、YouTube、ディスプレイ広告など）と関連付けることができ、Googleと広告主が特定のユーザー向けにカスタムターゲティング広告を作れるようになる。なぜなら「あなたのタイプを把握」できるからだ。
推論はどこで行われるのか？オフラインでも動作するのか？
- SkyPuncher
この技術についての私の理解に基づくと、これは騒がしい環境でも効果的にディクテーションできるということでもありますよね？
私がこれ最も必要だと感じるのは、庭仕事をしているとき、機器を動かしているとき、ガレージを掃除しているときです。音声ベースのマイクはあまりにも多くのノイズを拾ってしまいます。
- randomImmigrant
本当にクールです。特に、私にとっては考えてから言葉を口にするまでの時間が、実際に声に出すよりもずっと速いので、これに強く惹かれます。
しかし、バッテリー寿命と、RFチップを目や脳のすぐ近くに置くことによる長期的な健康への影響の両方が心配です。これらの側面については十分に検討されましたか？
- howunfortunate
これは：
1. 狂気的にクール
2. 深刻な「ささやくイヤリング」の雰囲気を感じる。サブボーカリゼーションでAIと完全な会話をしながら、イヤホンで聞いて一日中ガイドしてもらうことを想像してほしい。https://gwern.net/doc/fiction/science-fiction/2012-10-03-yva...
- edmundsauto
とてもクールです。これは『ゼノサイド』と『死者の代弁者』でエンダーがAIと通信する方法ですね。
予約注文しようと思いましたが、精度に関するFAQがひどいです。「今は本当にひどいので数値は出しません、改善を望んでいます」という内容です。同じ約束で90%以上だったなら、早くお金を払ったでしょう。
精度が販売上の反論点です。あなたのウェブサイトはそれにひどく対応しています。
- avree
ほとんどの人はタイピングより話す方が速いのでしょうか？私の場合は逆で、声に出して読むのは頭の中で読むより遅いです。