వాయిస్-సహాయక AI సాంకేతికత ప్రజలకు మళ్లీ ఎలా వాయిస్ ఇవ్వగలదు

జాన్స్ హాప్కిన్స్ విశ్వవిద్యాలయం నత్తిగా మాట్లాడటాన్ని స్పీచ్-లాంగ్వేజ్ డిజార్డర్‌గా నిర్వచించింది. నత్తిగా మాట్లాడటం ప్రపంచవ్యాప్తంగా 80 మిలియన్ల కంటే ఎక్కువ మందిని ప్రభావితం చేస్తుంది మరియు యునైటెడ్ స్టేట్స్లో, 1 మిలియన్ కంటే ఎక్కువ మంది అమెరికన్లు నత్తిగా మాట్లాడుతున్నారు.

స్వర రుగ్మతలు స్వర తంతువులు సరిగ్గా కంపించనప్పుడు సంభవించే స్వరం యొక్క పిచ్, వాల్యూమ్, టింబ్రే లేదా ఇతర లక్షణాలతో సమస్యలు. స్ట్రక్చరల్ మరియు న్యూరోలాజికల్ డిజార్డర్స్ (పార్కిన్సన్స్ వ్యాధి మరియు అల్జీమర్స్ వ్యాధి వంటి నరాల సంబంధిత రుగ్మతలు), ఫంక్షనల్ డిజార్డర్స్ (కండరాల పనిచేయకపోవడం) మరియు సైకోజెనిక్ డిజార్డర్‌లతో సహా ఆర్గానిక్‌గా వర్గీకరించబడిన అనేక రకాల వాయిస్ డిజార్డర్‌లు ఉన్నాయి. లైంగిక రుగ్మతలు కూడా ఉన్నాయి.

డచ్ స్టార్టప్ ప్రసంగం మరియు నత్తిగా మాట్లాడటం వంటి భాషా లోపాలు ఉన్న వ్యక్తులకు వాయిస్ అందించడానికి రూపొందించిన యాప్‌ను అభివృద్ధి చేసింది.

Whispp యాప్ ఫోన్ మరియు వీడియో కాల్‌లను స్పష్టంగా మరియు విశ్రాంతిగా చేయడానికి కృత్రిమ మేధస్సు (AI)ని ఉపయోగిస్తుంది.

Whispp యొక్క CEO జోరిస్ కాస్టర్‌మాన్స్ ఇలా అన్నారు: “ఈ యాప్‌లో మాట్లాడలేని/బలహీనమైన స్వర తంతువులు మరియు గుసగుసలాడే ప్రసంగాన్ని సహజ స్వర ప్రసంగంగా మార్చగల సామర్థ్యం ఉంది. ఇది నిజ-సమయ వాయిస్-సహాయ సాంకేతికతను కలిగి ఉంది. “ఉదాహరణకు, తీవ్రంగా నత్తిగా మాట్లాడే వ్యక్తులు గుసగుసలాడినప్పుడు వారి నత్తిగా మాట్లాడే ఫ్రీక్వెన్సీని సగటున 85% తగ్గించవచ్చు. అదనంగా, స్పాస్మోడిక్ డిస్ఫోనియా లేదా పునరావృత శ్వాసకోశ పాపిల్లోమాటోసిస్‌తో బాధపడుతున్న వ్యక్తులు వారి నత్తిగా మాట్లాడే ఫ్రీక్వెన్సీని సగటున 85% తగ్గించవచ్చు. మాట్లాడే వ్యక్తులు గుసగుసలో మాట్లాడేటప్పుడు గుసగుసలు చాలా రిలాక్స్‌గా మరియు సరళంగా ఉంటాయి.”

ఒక ఇమెయిల్ ఇంటర్వ్యూలో, Castermans Whispp వినియోగదారులు తమను తాము మెరుగ్గా మరియు మరింత సులభంగా వ్యక్తీకరించడానికి అనుమతిస్తుంది, వారి జీవన నాణ్యతను మెరుగుపరుస్తుంది మరియు సమాజంలో మరింత పూర్తిగా పాల్గొనడానికి వీలు కల్పిస్తుంది.

“కమ్యూనికేషన్ అనేది మానవ ఉనికి యొక్క ప్రాథమిక అంశం మరియు వాయిస్ రుగ్మతలు మరియు తీవ్రమైన నత్తిగా మాట్లాడే వ్యక్తులకు ఇది రోజువారీ సవాలు” అని కాస్టర్‌మాన్స్ చెప్పారు. “కమ్యూనికేషన్ నైపుణ్యాలు లేకపోవడం సామాజిక ఒంటరితనానికి దారి తీస్తుంది, ఇది తరచుగా అసమర్థత మరియు నిరాశ భావాలకు దారితీస్తుంది.”

Whispp కోసం దాని యాజమాన్య AI మోడల్‌లో, AI టెక్స్ట్ ఇంటర్మీడియట్‌లు లేకుండా స్పీచ్-టు-స్పీచ్ ఆధారితమైనందున కంపెనీ భాషా నమూనాను ఉపయోగించదు.

“ఇది చాలా తక్కువ జాప్యంతో నాన్-వాయిస్ ఆడియోను మార్చడానికి విస్పర్‌ని అనుమతిస్తుంది” అని కాస్టర్‌మాన్స్ చెప్పారు. “Whispp యొక్క AI ప్రతి 20 మిల్లీసెకన్ల ఆడియోను రియల్ టైమ్ స్ట్రీమ్‌గా మారుస్తుంది.

Whispp నిజ-సమయ స్పీచ్-టు-స్పీచ్ వాయిస్-సహాయక AIని ఉపయోగిస్తుంది, ఇది గుసగుసల నుండి గుల్లెట్ రాస్ప్‌ల వరకు వివిధ రకాల వాయిస్ రకాలకు అనుగుణంగా నిజ-సమయ వాయిస్ అనువాదాలను రూపొందించడానికి. విభిన్న ఆడియో పరిస్థితులకు అనుగుణంగా పరిష్కారాలను రూపొందించడానికి ఇది యాప్‌ని అనుమతిస్తుంది.

“కమ్యూనికేషన్ అనేది మానవ ఉనికి యొక్క ప్రాథమిక అంశం మరియు వాయిస్ రుగ్మతలు మరియు తీవ్రమైన నత్తిగా మాట్లాడే వ్యక్తులకు రోజువారీ సవాలు” అని కాస్టర్‌మాన్స్ చెప్పారు. “కమ్యూనికేషన్ నైపుణ్యాలు లేకపోవడం సామాజిక ఒంటరితనానికి దారి తీస్తుంది, ఇది తరచుగా అసమర్థత మరియు నిరాశ భావాలకు దారితీస్తుంది.”

ఉదాహరణకు, తీవ్రంగా నత్తిగా మాట్లాడే వ్యక్తులు అనర్గళంగా మాట్లాడతారని మరియు గుసగుసలాడేటప్పుడు రిలాక్స్‌గా ఉంటారని కాస్టర్‌మాన్స్ పేర్కొన్నాడు. “ఇది మాట్లాడేటప్పుడు సంభవించే నరాల మార్పుల వల్ల వస్తుంది. విడిగా, తీవ్రంగా నత్తిగా మాట్లాడే వ్యక్తులు గుసగుసలాడుతూ ఆందోళన చెందడం ‘నేర్చుకోలేదు’.”

ప్రధాన టెక్ మరియు వాయిస్-సహాయక సాంకేతిక కంపెనీలు ప్రాథమికంగా ఆటోమేటిక్ స్పీచ్ రికగ్నిషన్‌పై దృష్టి సారించాయని, దీనిని ప్రామాణికం కాని ప్రసంగం కోసం స్పీచ్-టు-టెక్స్ట్ (STT) అని పిలుస్తారు. “ఇది టెక్స్ట్-టు-స్పీచ్ ఉపయోగించి ప్రసంగాన్ని సంశ్లేషణ చేయగల బలహీనమైన ఉచ్చారణ (ALS, MS, స్ట్రోక్, పార్కిన్సన్స్ వ్యాధి) ఉన్న రోగులకు చాలా ఉపయోగకరంగా ఉంటుంది.”

“అయినప్పటికీ, ఈ విధానానికి ప్రతికూలత రెండు నుండి మూడు సెకన్ల అధిక జాప్యం, ఇది సహజ సంభాషణకు అడ్డంకిని సృష్టిస్తుంది” అని కాస్టర్‌మాన్స్ చెప్పారు. “ఫలితంగా, ప్రస్తుత AI వాయిస్ టెక్నాలజీ సొల్యూషన్‌లు వాయిస్ డిజార్డర్స్‌తో వారి వాయిస్‌ని కోల్పోయినప్పటికీ తగినంత ఉచ్చారణ కలిగి ఉన్నవారికి తగిన పరిష్కారాన్ని అందించలేవు.”

Whispp యాప్ Android మరియు IoS కోసం అందుబాటులో ఉంది.

నన్ను అనుసరించు ట్విట్టర్.