Sprache trägt mehr als Worte. Alkoholintoxikation hinterlässt messbare Spuren in Artikulation, Tempo und spektraler Mikrovariation – Signale, die das menschliche Ohr bestenfalls unzuverlässig registriert.
Das R&D-Team von XENOM hat ein proprietäres Deep-Learning-Modell trainiert, um diese akustischen Biomarker zu erkennen, und es auf dem Alcohol Language Corpus evaluiert, dem öffentlichen Standard-Benchmark für diese Aufgabe.
Streng gleichwertig bewertet – ungewichtete durchschnittliche Recall-Rate pro Fenster, eine einzige Entscheidung pro Äußerung ohne Voting, genau wie frühere Arbeiten gemessen werden – erreicht die referenzbasierte Konfiguration 86,3 % UAR. Die referenzfreie Konfiguration, die keine registrierte Baseline benötigt und aus einer einzigen gesprochenen Probe entscheidet, erreicht 81,9 %. Am Einsatz-Betriebspunkt, an dem das System mehrere Fenster einer Aufnahme zu einer Konsensentscheidung kombiniert, steigen diese Werte auf 87,6 % bzw. 82,5 %.
Zum Kontext: Die offizielle Interspeech 2011 Speaker-State Challenge-Baseline auf diesem Korpus liegt bei 65,9 % UAR, zuvor veröffentlichte State-of-the-Art-Ergebnisse erreichen maximal etwa 73–75 %, und ungeschulte menschliche Zuhörer erzielen etwa 60–65 %.
Das System läuft als passive Schicht über dem regulären Funkverkehr. Arbeiter sprechen wie immer; kein zusätzliches Verfahren, keine Unterbrechung der Aufgabe, kein separater Kontrollpunkt.
Was das System ist – und was nicht. Es misst keine Blutalkoholkonzentration und kann nicht als Grundlage für die Entfernung eines Arbeiters vom Dienst dienen. Es ist ein Erstscreening-Tool, das anzeigt, wer Aufmerksamkeit verdient, zur Überprüfung mit etablierten Mitteln. Der relevante Vergleich ist nicht mit einem Alkoholtester, sondern mit der heute verwendeten Alternative: Beobachtung durch Vorgesetzte, die etwa auf dem Niveau ungeschulten Zuhörens liegt.
Wir haben vollständige Ergebnisse über akustische Bedingungen hinweg veröffentlicht – einschließlich solcher, bei denen die Genauigkeit abnimmt – zusammen mit den Vergleichbarkeitshinweisen und bekannten Grenzen der Methode.