Show HN: Subvocal – बिना आवाज़ किए अपने कंप्यूटर से बात करें

Subvocal क्या है और यह कैसे काम करता है

• स्मार्ट ग्लासेज़ जो उपयोगकर्ताओं को होठों को बिना आवाज़ के हिलाकर “बिना बोले बात करने” देते हैं; फ्रेम में लगे RF सेंसर आंतरिक मुंह/जीभ की मांसपेशियों की गति पकड़ते हैं और उसे ट्रांसक्रिप्शन के लिए क्लाउड मॉडल्स तक भेजते हैं।
• कोई कैमरा नहीं; लिप-रीडिंग, IMU, EMG, mmWave रडार, और थ्रोट माइक के साथ पहले किए गए प्रयोग छोड़ दिए गए क्योंकि उनमें जानकारी की सीमा थी, फॉर्म-फैक्टर की समस्याएँ थीं, या सुनाई देने वाली फुसफुसाहट की जरूरत पड़ती थी।
• RF सिग्नल कम-शक्ति वाला है और केवल डिक्टेशन के दौरान सक्रिय रहता है; यह विभिन्न ऊतकों के साथ एक जटिल डाइइलेक्ट्रिक की तरह इंटरैक्ट करता है, जिससे फेज/एम्प्लिट्यूड मॉड्यूलेट होता है।

सटीकता, लेटेंसी, और क्षमताएँ

• मौजूदा प्रोटोटाइप कथित तौर पर ओपन-एंडेड साइलेंट स्पीच डिकोडिंग को लगभग 500ms से कम एंड-टू-एंड लेटेंसी के साथ हासिल करता है; सटीकता अभी “प्रोडक्ट-रेडी” स्तर पर नहीं है और साइट पर इसे संख्यात्मक रूप से नहीं बताया गया है, जिसे कई लोग एक रेड फ्लैग मानते हैं।
• अभी केवल अंग्रेज़ी समर्थित है; लॉन्च के बाद अन्य भाषाएँ योजनाबद्ध हैं।
• यूज़र ट्रेनिंग के बाद यह होंठ बंद रखकर (“आंतरिक भाषण”) भी काम कर सकता है, लेकिन यह सीखना कठिन है; अधिकांश डेमो में न्यूनतम दिखाई देने वाली हरकत के साथ सामान्य माउथिंग दिखाई गई है।
• बहुत शोर वाले वातावरण में भी भाषण ट्रांसक्राइब किया जा सकता है, और भविष्य में RF का उपयोग सामान्य ऑडियो को डीनॉइज़ करने के लिए भी किया जा सकता है।

फॉर्म फैक्टर और UX पर आलोचनाएँ

• ग्लासेज़ बनाम विकल्पों (ईयरबड्स, नेकलेस, कैप्स, हेडबैंड, क्लिप-ऑन) पर तीखी बहस हुई। बहुतों को किसी एक फ्रेम स्टाइल के लिए मजबूर किया जाना पसंद नहीं, खासकर जिनके प्रिस्क्रिप्शन हैं, जिनकी नाक बड़ी/छोटी है, या जो सामान्यतः चश्मा नहीं पहनते।
• कुछ लोग मौजूदा फ्रेम्स से जुड़ने वाले डिटैचेबल टेम्पल्स चाहते हैं; फाउंडर्स का कहना है कि एंटीना की स्थिर स्थिति और जगह की सीमाओं ने ग्लासेज़ विकल्प को तय किया।
• वेबसाइट की कड़ी आलोचना हुई: स्क्रॉल-जैक्ड लैंडिंग, अस्पष्ट “यह कैसे काम करता है”, तुरंत समझ आने वाली एक-वाक्य व्याख्या का अभाव, और AI-जनित इमेजरी जिसे कुछ लोग भरोसा कम करने वाला मानते हैं।

गोपनीयता, क्लाउड इन्फरेंस, और भरोसा

• डिकोडिंग के लिए अभी इंटरनेट चाहिए और यह साथी ऐप्स के माध्यम से क्लाउड में चलता है; लोकल इन्फरेंस “बाद में योजनाबद्ध” है।
• कई टिप्पणीकार कहते हैं कि पूर्णतः लोकल प्रोसेसिंग के बिना वे इसका उपयोग या खरीद नहीं करेंगे, खासकर क्योंकि यह प्रभावी रूप से एक कीबोर्ड की जगह लेता है (बहुत संवेदनशील टेक्स्ट)।
• फाउंडर्स कहते हैं कि डेटा एन्क्रिप्टेड है, हार्डवेयर आइसोलेशन में प्रोसेस होता है, और केवल सहमति के साथ ट्रेनिंग के लिए उपयोग किया जाता है; फिर भी कई जवाब आश्वस्त नहीं हुए, और उन्होंने सामान्य “हम प्राइवेसी को गंभीरता से लेते हैं” पैटर्न का हवाला दिया।

उपयोग के मामले और संभावित प्रभाव

• उत्साही लोग ये फायदे गिनाते हैं: अधिकांश लोगों के लिए टाइपिंग से तेज़ इनपुट, हैंड्स-फ्री कोडिंग और प्रॉम्प्टिंग, RSI कम करना, ऑफिस/पब्लिक ट्रांजिट/शोर वाले माहौल में उपयोग, और बोलने/आवाज़ की समस्याओं वाले लोगों के लिए एक्सेसिबिलिटी।
• अन्य लोग तर्क देते हैं कि टाइप करना या धीरे से फुसफुसाना पर्याप्त है, कोडर्स के लिए वास्तविक-विश्व लाभ पर सवाल उठाते हैं, और चिंतित हैं कि लगातार AI बातचीत सामाजिक अलगाव को और बढ़ा सकती है।

सुरक्षा और स्वास्थ्य संबंधी चिंताएँ

• कई लोग आँखों/दिमाग के पास RF और दीर्घकालिक कैंसर/SAR मुद्दों के बारे में पूछते हैं; फाउंडर्स सुरक्षा और कम शक्ति पर जोर देते हैं लेकिन औपचारिक अध्ययन या प्रमाणन संदर्भ नहीं देते, जिसे कुछ लोग अपर्याप्त मानते हैं।

हाइप, संदेह, और “स्कैम” की आशंकाएँ

• कई लोग सचमुच उत्साहित हैं, साइ-फाई (Ender’s Game, Doctorow, Vinge, 1984) का संदर्भ देते हुए इसे “सीधे किसी उपन्यास से निकला” कहते हैं।
• अन्य लोग शिपिंग टाइमलाइन (Q1 2027), एरर रेट, और वास्तविक-विश्व उपयोगिता पर शक करते हैं, और कुछ इसे संभावित स्कैम कहते हैं क्योंकि इसमें AI रेंडर्स, प्रीऑर्डर मॉडल, और महत्वाकांक्षी दावे हैं; समर्थक तकनीकी गहराई और प्रोटोटाइप वीडियो को जवाबी सबूत के रूप में पेश करते हैं।