બોલાયેલા ચેક-ઇનમાંથી એકોસ્ટિક ક્ષતિ શોધ

SafeVoice — એક પ્રોપ્રાઇટરી સ્પીચ-ઇન્ટેલિજન્સ એન્જિન જે થોડી સેકંડના સામાન્ય ભાષણમાંથી સંભવિત આલ્કોહોલ ક્ષતિને ચિહ્નિત કરે છે. બિન-આક્રમક, શૂન્ય વિશિષ્ટ હાર્ડવેર, બોલાયેલા શબ્દસમૂહથી વધુ કંઈ જરૂરી નથી.

ક્ષતિગ્રસ્ત કર્મચારીઓ અટકાવી શકાય તેવી ઔદ્યોગિક ઘટનાઓના અગ્રણી અને ઓછા-સાધનવાળા ચાલક રહે છે. આલ્કોહોલ લક્ષણો દૃશ્યમાન થાય તે પહેલાં લાંબા સમય સુધી પ્રતિક્રિયા ગતિ, અવકાશી નિર્ણય અને સૂક્ષ્મ મોટર નિયંત્રણને ઘટાડે છે. પરંપરાગત નિયંત્રણો — સામયિક બ્રેથલાઇઝર અને દ્રશ્ય સુપરવાઇઝર તપાસ — તૂટક, આક્રમક, શિફ્ટ ગેટ પર અડચણો અને ટાળવા માટે સરળ છે. પરિણામ એક ઓપરેશનલ બ્લાઇન્ડ સ્પોટ છે: ઉચ્ચ-જોખમ સ્થિતિઓ સતત અટકાવવી સૌથી મુશ્કેલ રહે છે.

આ અંતર દૂર કરવા માટે અવાજ આદર્શ સંકેત છે. કામદારો કુદરતી રીતે પુશ-ટુ-ટોક રેડિયો, એક્સેસ ઇન્ટરકોમ અને વૉઇસ ઇન્ટરફેસનો ઉપયોગ તેમની શિફ્ટ દરમિયાન કરે છે. આલ્કોહોલ સતત એકોસ્ટિક બાયોમિકેનિક્સમાં ફેરફાર કરે છે — ઉચ્ચારણ વેગ, ફોનેશન ટાઇમિંગ, પ્રોસોડી અને સ્પેક્ટ્રલ અવાજ ગુણવત્તાને ક્ષતિ કરે છે — બાયોમાર્કર્સ જે વિશિષ્ટ મોડેલ સેકંડોના ઑડિઓમાંથી કાઢે છે.

SafeVoice બે પૂરક આર્કિટેક્ચરમાં તૈનાત થાય છે.

SafeVoice-Ref રીઅલ-ટાઇમ અવાજને કામદારની નોંધાયેલી શાંત બેઝલાઇન સામે સરખાવે છે — શિફ્ટ-સ્ટાર્ટ એક્સેસ સ્ક્રીનિંગ માટે આદર્શ.

SafeVoice-Solo નોંધાયેલી બેઝલાઇન વિના ઝીરો-શોટ કાર્ય કરે છે, શિફ્ટ દરમિયાન નિયમિત રેડિયો સંચારમાં એકલ ભાષણ વિસ્ફોટોનું મૂલ્યાંકન કરે છે.

જર્મન આલ્કોહોલ લેંગ્વેજ કોર્પસનું હોલ્ડ-આઉટ પરીક્ષણ વિભાજન, પ્રમાણભૂત જાહેર બેન્ચમાર્ક, અનવેઇટેડ એવરેજ રિકોલ (UAR) દ્વારા સ્કોર. પૂર્વ કલા સાથે સરખામણી પ્રતિ-વિંડો મેટ્રિકનો ઉપયોગ કરે છે — પ્રતિ ઉચ્ચારણ એક નિર્ણય, કોઈ મતદાન નહીં — કારણ કે પૂર્વ કલા મતદાન કરતી નથી.

અમે શું બનાવ્યું

સ્પીકર-સંબંધિત વિભેદક એન્કોડિંગ

ઑડિઓને અલગ રીતે વર્ગીકૃત કરવાને બદલે, SafeVoice-Ref ભાષણને વ્યક્તિની બેઝલાઇન પ્રોફાઇલ સામે બેન્ચમાર્ક કરે છે. આંતર-સ્પીકર એકોસ્ટિક ભિન્નતા દૂર કરવાથી અનવેઇટેડ એવરેજ રિકોલ (UAR) માં તરત ~5-પોઇન્ટનો લાભ મળે છે — અમારો સૌથી પ્રભાવશાળી આર્કિટેક્ચરલ સીમાચિહ્ન.

દ્વિ મોડેલ આર્કિટેક્ચર, એકીકૃત ફીચર સ્ટેક

બંને Ref અને Solo સમાન નિમ્ન-સ્તરના એકોસ્ટિક પ્રતિનિધિત્વનો લાભ લે છે. SafeVoice-Ref ઝડપી એક-વખત નોંધણી દ્વારા ચોકસાઈને મહત્તમ કરે છે, જ્યારે SafeVoice-Solo શૂન્ય ઓપરેશનલ ઘર્ષણને પ્રાથમિકતા આપે છે, ઐતિહાસિક ડેટા વિના કોઈપણ સ્પીકરની તરત તપાસ કરે છે.

સંપૂર્ણ બેકબોન અનુકૂલન

પ્રમાણભૂત પ્રથા નાના કોર્પોરા પર પૂર્વ-પ્રશિક્ષિત બેકબોન્સને સ્થિર કરવાનું સૂચન કરે છે. અમારા પ્રયોગમૂલક સ્વીપ્સે વિરુદ્ધ સાબિત કર્યું: સ્ક્રીનિંગ ચોકસાઈ ફાઇન-ટ્યુનિંગ ઊંડાઈ સાથે વધી, આંશિક લેયર ફ્રીઝિંગની તુલનામાં સંપૂર્ણ એન્ડ-ટુ-એન્ડ બેકબોન અનુકૂલન હેઠળ ~7 પોઇન્ટનો ઉછાળો.

બહુ-સ્કેલ ફીચર એકત્રીકરણ

એકોસ્ટિક બાયોમાર્કર્સ અલગ અલગ સમય ઠરાવો પર અસ્તિત્વ ધરાવે છે. નીચલા બેકબોન સ્તરો સૂક્ષ્મ ઉચ્ચારણ અને વોકલ ટ્રેક્ટ ગતિશીલતા જાળવી રાખે છે, જ્યારે ઊંચા સ્તરો પ્રોસોડિક પ્રવાહ અને શબ્દસમૂહ લયનું મોડેલિંગ કરે છે. બહુ-સ્તરીય ફ્યુઝન ત્યારબાદ ધ્યાનપૂર્વક પૂલિંગ સૌથી વધુ નિદાનાત્મક ફ્રેમ્સને ગતિશીલ રીતે વજન આપે છે.

ભારે ઔદ્યોગિક અવાજ અભ્યાસક્રમ

અમે કૃત્રિમ સફેદ અવાજને બદલે વ્યાપક ઔદ્યોગિક ઑડિઓ અભ્યાસક્રમની તરફેણ કરી — ભારે મશીનરી, વાહન ગડગડાટ, આસપાસની ભીડની બડબડ અને માળખાકીય પ્રતિધ્વનિ. આનાથી સ્વચ્છ બેઝલાઇન ચોકસાઈને ઘટાડ્યા વિના કઠોર ક્ષેત્ર પરિસ્થિતિઓમાં પ્રદર્શન અંતર બંધ થયું.

બહુ-વિંડો સર્વસંમતિ ડીકોડિંગ

ક્ષણિક સ્પાઇક્સ અથવા ગળું સાફ કરવાથી ખોટા એલાર્મ થતા અટકાવવા માટે, અનુમાન પાઇપલાઇન પ્રતિ ઉચ્ચારણ બહુવિધ ઓવરલેપિંગ વિશ્લેષણ વિંડોઝ સ્કોર કરે છે. સર્વસંમતિ મતદાન લાગુ કરવાથી UAR ના 1–2 પોઇન્ટ ઉમેરાય છે અને શોધ વાસ્તવિક-વિશ્વ એકોસ્ટિક સ્પાઇક્સ માટે અસાધારણ રીતે સ્થિતિસ્થાપક બને છે.

માપેલ પરિણામો

એકોસ્ટિક પરિસ્થિતિઓમાં ઘટાડો

સર્વસંમતિ UAR (MV@5), સંદર્ભ-આધારિત / સંદર્ભ-મુક્ત. જ્યાં ચોકસાઈ ઘટે છે તે સ્થિતિઓ સહિત પ્રકાશિત.

સિસ્ટમ શું છે — અને શું નથી

SafeVoice લોહીમાં આલ્કોહોલની સાંદ્રતા માપતું નથી અને કર્મચારીને ફરજ પરથી દૂર કરવા માટેના આધાર તરીકે કામ કરી શકતું નથી. તે પ્રથમ-પંક્તિનું સ્ક્રીનિંગ સાધન છે જે સૂચવે છે કે કોના પર ધ્યાન આપવાની જરૂર છે, સ્થાપિત માધ્યમો દ્વારા ચકાસણી માટે. સંબંધિત સરખામણી બ્રેથલાઈઝર સાથે નહીં પરંતુ આજે ઉપયોગમાં લેવાતા વિકલ્પ સાથે છે: સુપરવાઈઝર નિરીક્ષણ, જે લગભગ અપ્રશિક્ષિત સાંભળવાના સ્તરે કામ કરે છે.

બધા પરિણામો એક કોર્પસમાંથી આવે છે — જર્મન આલ્કોહોલ લેંગ્વેજ કોર્પસ, 162 વક્તાઓ પાસેથી પ્રતિ-વક્તા લોહી અને શ્વાસ-આલ્કોહોલ ગ્રાઉન્ડ ટ્રુથ સાથે રેકોર્ડ કરાયેલ. તે આ કાર્ય માટે સંદર્ભ બેન્ચમાર્ક છે, પરંતુ તે એક જ કોર્પસ છે, અને ઉપરની દરેક સરખામણી તેના હોલ્ડ-આઉટ ટેસ્ટ સ્પ્લિટ પર કરવામાં આવી છે.

અમે હેડલાઈન આંકડાઓની સાથે એવી સ્થિતિઓ પણ પ્રકાશિત કરીએ છીએ જ્યાં ચોકસાઈ ઘટે છે, અને અમે જે નકાર્યું તે પણ પ્રકાશિત કરીએ છીએ: સહાયક લાગણી અને લોહી-આલ્કોહોલ-રિગ્રેશન હેડ (નકારાત્મક અસર), આંશિક બેકબોન ફ્રીઝિંગ (લગભગ સાત પોઈન્ટ ખરાબ), નિર્ણય-થ્રેશોલ્ડ ટ્યુનિંગ (લક્ષણ સુધારો, 0.2 પોઈન્ટનો), અને સંદર્ભ-મુક્ત મોડેલ માટે સ્પીકર-એમ્બેડિંગ કન્ડિશનિંગ — એક વાસ્તવિક 0.6-પોઈન્ટનો લાભ, જે છોડી દેવામાં આવ્યો કારણ કે તેને પ્રતિ-વપરાશકર્તા એનરોલમેન્ટની જરૂર પડત અને Solo નો શૂન્ય-ઘર્ષણ લાભ નાશ પામત.

તેનો ઉપયોગ કેવી રીતે થાય છે

શિફ્ટ-શરૂઆત ફિટનેસ-ફોર-ડ્યુટી તપાસ: નોંધાયેલા બેઝલાઈન સામે ટૂંકી બોલાયેલી સાઈન-ઇન

નિયમિત રેડિયો ટ્રાફિક પર સતત નિષ્ક્રિય દેખરેખ, કોઈ એનરોલમેન્ટ વિના

માનવ નિર્ણય માટે યોગ્ય સુપરવાઈઝરને મોકલાયેલ કેલિબ્રેટેડ ફ્લેગ

CPU પર ચાલે છે, પ્રતિ વિશ્લેષણ વિન્ડો એક સેકન્ડથી ઓછા વિલંબ સાથે

જ્યારે વસ્તી-વિષયક સંદર્ભ ઉપલબ્ધ ન હોય ત્યારે ધીમે ધીમે ઘટે છે

XENOM પ્લેટફોર્મ દ્વારા સાઈટના અન્ય ઓપરેશનલ સિગ્નલોની સાથે રજૂ કરાય છે