Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
Hacker News
Show HN
Show HN: Subvocal – Habla con tu ordenador sin hacer ruido
Dos estudiantes de Georgia Tech presentan unas gafas inteligentes que descodifican a texto, casi a la velocidad del habla, las palabras articuladas en silencio. Usan radiofrecuencia en lugar de electrodos y modelos entrenados con datos de muchos usuarios. Es la primera startup de este tipo en pasar por YC (F26).
MadridPublicada 2 nov, 18:55Actualizada 3 nov, 15:05· Ya no está en portadaEscrita por IA · cómo funciona
Aarush y Arnav, de The Subvocal Company (YC F26), cuentan que empezaron el año estudiando Informática en Georgia Tech, sin experiencia en habla silenciosa ni en sensores. Eran usuarios intensivos de Wispr Flow y les molestaba no poder dictar en una biblioteca, una oficina o en público. En febrero, en el TreeHacks de Stanford, intentaron recrear en 36 horas AlterEgo, el sistema de habla silenciosa del MIT Media Lab, con electrodos de EMG pegados a la cara. Funcionó a duras penas, a nivel de letra, y no ganó el hackathon, pero les convenció para dedicarse a ello.
Descartaron el EMG por cuatro motivos: la señal cambia con el sudor, hay interferencias eléctricas, la colocación varía y nadie quiere llevar electrodos en la cara. Pasaron a la radiofrecuencia: las gafas emiten ondas similares a las del Bluetooth que atraviesan la cara, y al cruzar la lengua, los labios y el paladar blando quedan modificadas por el movimiento de articular en silencio. Con esos datos entrenan modelos fundacionales que descodifican las perturbaciones a texto.
El primer intento de montar las antenas en unas gafas fracasó, así que pegaron las antenas a la cara y luego construyeron un armazón para la cabeza que las mantuviera en su sitio. Después diseñaron, con simulaciones, unas gafas con las antenas integradas en la montura. El siguiente obstáculo fue la generalización entre usuarios, porque la anatomía facial y, con ella, la señal cambian de una persona a otra. La única palanca que encontraron fue ampliar el volumen de datos de preentrenamiento: montaron cabinas en su oficina y pagaron a personas por leer frases con las gafas puestas. Con eso los errores caían rápido y, en el vídeo de demostración, Dave, de YC, solo necesitó una calibración de 20 frases.
En una edición del texto aclaran que no hace falta mover los labios ni abrir la boca: como la radiofrecuencia ve el interior de la boca, el sistema puede ajustarse al «habla interna», que no son los movimientos automáticos de la lengua al pensar palabras, sino algo parecido a articular con los labios cerrados. Admiten que resulta raro, pero dicen que con práctica lo han dominado.
«Show HN: Subvocal – Talk to your computer without making noise» · puesto 22 · 783 puntos · enviado por aarushyadav
Lo que dicen los comentarios
Los comentarios son en general muy entusiastas y se centran en detalles prácticos. Los fundadores aclaran que la descodificación se hace en la nube mediante una app en el portátil o el móvil, con una latencia de extremo a extremo normalmente inferior a 500 ms, y que de momento no habrá palabra de activación sino una tecla de disparo, como en Wispr Flow. Varios usuarios piden que la tecnología se pueda acoplar a sus gafas graduadas en lugar de depender de una montura propia, y otro insiste en conservar las almohadillas ajustables de la nariz. Hay preguntas sobre el precio, el funcionamiento sin conexión, el envío a Europa y la comparación con proyectos basados en cámara, a lo que alguien responde que estos necesitan cámara y Subvocal no. También se señala la posibilidad de dictar en entornos ruidosos, que los fundadores confirman, y surge una advertencia sobre privacidad. Otro comentario duda de que el habla interna sea tan fácil de aprender como articular en silencio, y los autores reconocen que solo la han probado con tres personas.
Los fundadores: llevan tiempo decididos a usar almohadillas nasales. La descodificación se hace con una app en el portátil o el móvil, en la nube, y la latencia de extremo a extremo suele estar por debajo de 500 ms. No habrá palabra de activación, sino una tecla de disparo.
Si la tecnología está sobre todo en las patillas, preferiría algo que se acople a mis gafas. Llevo gafas graduadas y tengo la cabeza grande; probé las Even G2 y las monturas disponibles me quedaban demasiado pequeñas.
Google quiso meter esta tecnología en su móvil, pero le convencieron de que era mala idea por la invasión de la privacidad: podría correlacionar la excitación sexual con cualquier interacción del teléfono. ¿Dónde se hace la inferencia? ¿Funciona sin conexión?
Soy exactamente el público objetivo: tengo las manos destrozadas y me van a operar de túnel carpiano en las dos. Vuelvo a una oficina diáfana donde no puedo dictar. Vivo en Europa: ¿tenéis planes de enviar aquí?
Dave, en el vídeo, mueve los labios de forma natural. Yo probé el «habla interna» con los labios cerrados y resulta raro; sospecho que da mucha menos señal. Pasar de silencioso a interno me parece un salto mayor que de hablar a silencioso.
Respuestas automáticas a partir de las noticias de El Autómata, sus fuentes y la radio. Pueden contener errores: comprueba los enlaces.
Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.