Səs-küylü Mühitlərdə Süni İntellektin Səsi Anlamasına Kömək Edən "Subtle Computing" Texnologiyası

Kaliforniyada yerləşən "Subtle Computing" startapı, səs-küylü şəraitdə insanların səsini dəqiq qeydə almaq problemini özünün xüsusi **səs izolyasiyası modelləri** ilə həll edir. Bu texnologiya səs əsaslı Süni İntellekt (Sİ) məhsulları və xidmətləri üçün olduqca faydalıdır. Hazırda Granola, Fireflies, Fathom və Read AI kimi Sİ ilə işləyən görüş qeydi tutan proqramlar böyük inkişaf yaşayır, eyni zamanda OpenAI, ClickUp və Notion kimi böyük şirkətlər də səs köçürmə həllərini öz sistemlərinə inteqrasiya ediblər. Wispr Flow və Willow proqramları səs diktəsi üzərində çalışır, Plaud və Sandbar kimi aparat şirkətləri isə səsi köçürmək, Sİ vasitəsilə məlumat toplamaq və qarşılıqlı əlaqə qurmaq üçün xüsusi cihazlardan istifadə edir.

Bu şirkətlərin qarşısında duran əsas maneələrdən biri, istifadəçinin səsini hər hansı bir şəraitdə, məsələn, gurultulu kafelərdə və ya paylaşılan ofislərdə təmiz şəkildə tuta bilməkdir. Bu problemi həll etmək üçün Subtle Computing, səs-küylü mühitlərdə dediklərinizi başa düşə bilən tam səs izolyasiyası modeli hazırladı. Şirkətin həmtəsisçisi Tyler Chen qeyd edir ki, bir çox şirkət səs anlama üzərində işləsə də, bəzən cihaz istehsalçıları təmiz səs çıxışı almaq üçün səsi buluda (cloud) göndərirlər, lakin bu yanaşma səmərəli olmur.

Subtle Computing fərqli bir yol tutur. Onlar bütün cihazlarda işləyəcək ümumi bir model yaratmaq əvəzinə, müəyyən bir cihazın akustikasına uyğun modellər hazırlayır və istifadəçinin səsinə adaptasiya edirlər. Chen bildirir ki, biz **cihazın akustik xüsusiyyətlərini** qoruduqda, ümumi həllərə nisbətən qat-qat daha yaxşı nəticələr əldə edirik. Bu, həmçinin, istifadəçilərə daha fərdi həllər təqdim etməyə imkan verir. Chen əlavə edir ki, biz Sİ ilə daha çox ünsiyyət qurduğumuz bir gələcəyə doğru irəliləyirik. Lakin açıq sual ondan ibarətdir ki, gündəlik işlədiyimiz bütün mühitlərdə – istər çox səs-küylü bir kafedə, istərsə də ətrafda insanların olduğu bir ofisdə – cihazlarımız bizi nə dərəcədə başa düşür.

Startapın modeli bəzi cihazlarda sadəcə səs izolyasiyası funksiyasını yerinə yetirə bilir. Bu modelin ölçüsü cəmi bir neçə meqabaytdır və reaksiyası 100 millisaniyə təşkil edir. Şirkət digər cihazlar üçün səsi köçürüb mətn çıxışı verən fərqli bir model də işə sala bilir. Səs izolyasiyası sayəsində onların transkripsiya modeli istifadəçiləri daha yaxşı anlayır və daha dəqiq nəticələr verir. Şirkət, **Qualcomm** tərəfindən səs və musiqi genişləndirmə proqramına daxil edilib. Bu o deməkdir ki, Subtle Computing-in texnologiyası Qualcomm çipləri ilə uyğun olacaq və OEM-lər tərəfindən istehsal edilən cihazlarda istifadə edilə biləcək. Startap Entrada Ventures-in rəhbərliyi ilə keçirilən toxum investisiyası mərhələsində 6 milyon dollar **vəsait toplayıb**. Mələk investorlar arasında Twitter-dən Biz Stoun, Pinterest-dən Evan Şarp və Perplexity-dən Conni Ho kimi tanınmış qurucular var.

Entrada Ventures-in idarəedici partnyoru Karen Roter Davis qeyd edir ki, səs Sİ sahəsi aktiv olsa da, qarşılıqlı əlaqələr artmasına baxmayaraq, ümumi səs təcrübəsi hələ də yaxşı deyil. Davis hesab edir ki, Subtle Computing-in səs izolyasiyasına fokuslanması bazara yeni bir baxış gətirir. O düşünür ki, hesablama gücündə və maşın öyrənməsindəki irəliləyişlər düzgün tətbiq olunarsa, səs interfeyslərində irəliləyişlərə imkan verir. Subtle Computing həddindən artıq səs-küylü və ya tam sakit mühitlərdə işləyən səs interfeysləri ilə insanlara etibarlı, asan və xoş bir səs təcrübəsi təqdim edir. Şirkət adını açıqlamadığı bir istehlakçı avadanlığı və bir avtomobil markası ilə həll yollarını tətbiq etmək üçün əməkdaşlıq edib. Lakin Subtle Computing yalnız model tədarükçüsü olmaq istəmir; gələn il həm aparat, həm də proqram təminatını əhatə edən istehlakçı məhsulunu elan etməyi planlaşdırır.