SafeVoice — একটি মালিকানাধীন স্পিচ-ইন্টেলিজেন্স ইঞ্জিন যা কয়েক সেকেন্ডের সাধারণ বক্তৃতা থেকে সম্ভাব্য অ্যালকোহল প্রতিবন্ধকতা পতাকাঙ্কিত করে। অ-আক্রমণাত্মক, শূন্য বিশেষায়িত হার্ডওয়্যার, একটি কথ্য বাক্যাংশ ছাড়া আর কিছুই প্রয়োজন নেই।
প্রতিবন্ধী কর্মীরা প্রতিরোধযোগ্য শিল্প ঘটনার একটি নেতৃস্থানীয় এবং কম-যন্ত্রযুক্ত চালক রয়ে গেছে। লক্ষণগুলি দৃশ্যত স্পষ্ট হওয়ার অনেক আগেই অ্যালকোহল প্রতিক্রিয়া গতি, স্থানিক বিচার এবং সূক্ষ্ম মোটর নিয়ন্ত্রণ হ্রাস করে। ঐতিহ্যগত নিয়ন্ত্রণ — পর্যায়ক্রমিক ব্রেথালাইজার এবং ভিজ্যুয়াল সুপারভাইজার চেক — বিরতিহীন, আক্রমণাত্মক, শিফট গেটে বাধা এবং এড়ানো সহজ। ফলাফল একটি অপারেশনাল ব্লাইন্ড স্পট: উচ্চ-ঝুঁকিপূর্ণ অবস্থাগুলি ক্রমাগত বাধা দেওয়া সবচেয়ে কঠিন থেকে যায়।
এই ব্যবধান দূর করার জন্য ভয়েস আদর্শ সংকেত। শ্রমিকরা তাদের শিফট জুড়ে স্বাভাবিকভাবে পুশ-টু-টক রেডিও, অ্যাক্সেস ইন্টারকম এবং ভয়েস ইন্টারফেস ব্যবহার করে। অ্যালকোহল ধারাবাহিকভাবে অ্যাকোস্টিক বায়োমেকানিক্স পরিবর্তন করে — উচ্চারণ বেগ, ধ্বনি সময়, প্রসোডি এবং বর্ণালী ভয়েস গুণমান ক্ষতিগ্রস্ত করে — বায়োমার্কার যা একটি বিশেষায়িত মডেল সেকেন্ডের অডিও থেকে বের করে।
SafeVoice দুটি পরিপূরক আর্কিটেকচারে ডিপ্লয় হয়।
SafeVoice-Ref কর্মীর নথিভুক্ত নিরপরাধ বেসলাইনের বিরুদ্ধে রিয়েল-টাইম ভয়েস তুলনা করে — শিফট-স্টার্ট অ্যাক্সেস স্ক্রিনিংয়ের জন্য আদর্শ।
SafeVoice-Solo কোনো নথিভুক্ত বেসলাইন ছাড়াই জিরো-শট কাজ করে, শিফট জুড়ে নিয়মিত রেডিও যোগাযোগের সময় একক বক্তৃতা বিস্ফোরণ মূল্যায়ন করে।
জার্মান অ্যালকোহল ল্যাঙ্গুয়েজ কর্পাসের হেল্ড-আউট টেস্ট স্প্লিট, স্ট্যান্ডার্ড পাবলিক বেঞ্চমার্ক, আনওয়েটেড এভারেজ রিকল (UAR) দ্বারা স্কোর করা। পূর্বের শিল্পের সাথে তুলনা প্রতি-উইন্ডো মেট্রিক ব্যবহার করে — প্রতি উচ্চারণে একটি একক সিদ্ধান্ত, কোনো ভোটিং নেই — কারণ পূর্বের শিল্প ভোট দেয় না।
বিচ্ছিন্নভাবে অডিও শ্রেণীবদ্ধ করার পরিবর্তে, SafeVoice-Ref ব্যক্তির বেসলাইন প্রোফাইলের বিরুদ্ধে বক্তৃতা বেঞ্চমার্ক করে। আন্তঃ-স্পিকার অ্যাকোস্টিক বৈচিত্র্য দূর করা আনওয়েটেড এভারেজ রিকল (UAR)-এ একটি তাৎক্ষণিক ~5-পয়েন্ট লাভ দেয় — আমাদের সবচেয়ে প্রভাবশালী আর্কিটেকচারাল মাইলফলক।
Ref এবং Solo উভয়ই একই লো-লেভেল অ্যাকোস্টিক প্রতিনিধিত্ব ব্যবহার করে। SafeVoice-Ref একটি দ্রুত এককালীন তালিকাভুক্তির মাধ্যমে নির্ভুলতা সর্বাধিক করে, যখন SafeVoice-Solo শূন্য অপারেশনাল ঘর্ষণকে অগ্রাধিকার দেয়, ঐতিহাসিক ডেটা ছাড়াই যেকোনো স্পিকারকে অবিলম্বে স্ক্রিন করে।
স্ট্যান্ডার্ড অনুশীলন ছোট কর্পোরায় প্রি-ট্রেনড ব্যাকবোন হিমায়িত করার পরামর্শ দেয়। আমাদের অভিজ্ঞতামূলক সুইপ বিপরীত প্রমাণ করেছে: স্ক্রিনিং নির্ভুলতা ফাইন-টিউনিং গভীরতার সাথে স্কেল করেছে, আংশিক স্তর হিমায়িত করার তুলনায় সম্পূর্ণ এন্ড-টু-এন্ড ব্যাকবোন অভিযোজনের অধীনে ~7 পয়েন্ট লাফিয়েছে।
অ্যাকোস্টিক বায়োমার্কার স্বতন্ত্র অস্থায়ী রেজোলিউশন জুড়ে বিদ্যমান। নিম্ন ব্যাকবোন স্তরগুলি সূক্ষ্ম উচ্চারণমূলক এবং ভোকাল ট্র্যাক্ট গতিবিদ্যা ধরে রাখে, যখন উচ্চ স্তরগুলি প্রসোডিক প্রবাহ এবং বাক্যাংশের ছন্দ মডেল করে। মাল্টি-লেভেল ফিউশন এরপর মনোযোগী পুলিং সবচেয়ে ডায়াগনস্টিক ফ্রেমগুলিকে গতিশীলভাবে ওজন করে।
আমরা সিন্থেটিক সাদা নয়েজের পরিবর্তে বিস্তৃত শিল্প অডিও কারিকুলা বেছে নিয়েছি — ভারী যন্ত্রপাতি, যানবাহনের গর্জন, পরিবেষ্টিত ভিড়ের বচসা এবং কাঠামোগত প্রতিধ্বনি। এটি পরিষ্কার বেসলাইন নির্ভুলতা হ্রাস না করে কঠোর ফিল্ড পরিস্থিতিতে কর্মক্ষমতা ব্যবধান বন্ধ করেছে।
ক্ষণস্থায়ী স্পাইক বা গলা পরিষ্কার করা মিথ্যা অ্যালার্ম ট্রিগার করা থেকে প্রতিরোধ করতে, ইনফারেন্স পাইপলাইন প্রতি উচ্চারণে একাধিক ওভারল্যাপিং বিশ্লেষণ উইন্ডো স্কোর করে। কনসেনসাস ভোটিং প্রয়োগ করা UAR-এর 1–2 পয়েন্ট যোগ করে এবং সনাক্তকরণকে বাস্তব-বিশ্বের অ্যাকোস্টিক স্পাইকের বিরুদ্ধে ব্যতিক্রমীভাবে স্থিতিস্থাপক করে তোলে।
কনসেনসাস UAR (MV@5), রেফারেন্স-ভিত্তিক / রেফারেন্স-মুক্ত। নির্ভুলতা যেখানে কমে যায় সেই শর্তগুলি সহ প্রকাশিত।
SafeVoice রক্তের অ্যালকোহল ঘনত্ব পরিমাপ করে না এবং একজন কর্মীকে দায়িত্ব থেকে সরানোর ভিত্তি হিসেবে কাজ করতে পারে না। এটি একটি প্রথম-স্তরের স্ক্রিনিং টুল যা ইঙ্গিত দেয় কার প্রতি মনোযোগ দেওয়া প্রয়োজন, প্রতিষ্ঠিত পদ্ধতিতে যাচাইয়ের জন্য। প্রাসঙ্গিক তুলনাটি ব্রেথালাইজারের সাথে নয় বরং আজকের ব্যবহৃত বিকল্পের সাথে: সুপারভাইজার পর্যবেক্ষণ, যা মোটামুটি অপ্রশিক্ষিত শ্রবণের পর্যায়ে কাজ করে।
সব ফলাফল একটি কর্পাস থেকে এসেছে — জার্মান অ্যালকোহল ল্যাঙ্গুয়েজ কর্পাস, 162 জন বক্তার থেকে রেকর্ড করা, প্রতিটি বক্তার রক্ত- এবং ব্রেথ-অ্যালকোহল গ্রাউন্ড ট্রুথ সহ। এটি এই কাজের জন্য রেফারেন্স বেঞ্চমার্ক, তবে এটি একটি একক কর্পাস, এবং উপরের প্রতিটি তুলনা এর হেল্ড-আউট টেস্ট স্প্লিটে করা হয়েছে।
আমরা প্রধান পরিসংখ্যানের পাশাপাশি সেই শর্তগুলো প্রকাশ করি যেখানে নির্ভুলতা কমে যায়, এবং আমরা যা প্রত্যাখ্যান করেছি তাও প্রকাশ করি: সহায়ক ইমোশন এবং রক্ত-অ্যালকোহল-রিগ্রেশন হেড (নেতিবাচক প্রভাব), আংশিক ব্যাকবোন ফ্রিজিং (প্রায় সাত পয়েন্ট খারাপ), ডিসিশন-থ্রেশহোল্ড টিউনিং (একটি লক্ষণগত সমাধান, মূল্য 0.2 পয়েন্ট), এবং রেফারেন্স-মুক্ত মডেলের জন্য স্পিকার-এমবেডিং কন্ডিশনিং — একটি প্রকৃত 0.6-পয়েন্ট লাভ, যা বাতিল করা হয়েছে কারণ এতে প্রতি-ব্যবহারকারী এনরোলমেন্ট প্রয়োজন হতো এবং Solo-এর জিরো-ফ্রিকশন সুবিধা নষ্ট হয়ে যেত।
শিফট শুরুর ফিটনেস-ফর-ডিউটি পরীক্ষা: একটি নথিভুক্ত বেসলাইনের বিপরীতে একটি সংক্ষিপ্ত কথ্য সাইন-ইন
নিয়মিত রেডিও ট্র্যাফিকের উপর ক্রমাগত প্যাসিভ মনিটরিং, কোনো এনরোলমেন্ট ছাড়াই
মানবিক সিদ্ধান্তের জন্য যথাযথ সুপারভাইজারের কাছে প্রেরিত একটি ক্যালিব্রেটেড ফ্ল্যাগ
প্রতিটি বিশ্লেষণ উইন্ডোতে এক সেকেন্ডের কম লেটেন্সি সহ CPU-তে চলে
জনসংখ্যাগত প্রেক্ষাপট অনুপলব্ধ হলে ধীরে ধীরে কার্যকারিতা হ্রাস পায়
সাইটের অন্যান্য পরিচালন সংকেতের পাশাপাশি XENOM প্ল্যাটফর্মের মাধ্যমে প্রদর্শিত হয়