SafeVoice — vlastiti govorno-inteligencijski pogon koji označava vjerojatnu alkoholnu oštećenost iz samo nekoliko sekundi običnog govora. Neinvazivan, bez specijaliziranog hardvera, ne treba ništa više od izgovorene fraze.
Oštećeno osoblje ostaje vodeći i nedovoljno instrumentiran uzrok spriječivih industrijskih incidenata. Alkohol degradira brzinu reakcije, prostorno prosuđivanje i finu motoriku mnogo prije nego što simptomi postanu vizualno vidljivi. Tradicionalne kontrole — povremeni alkotestovi i vizualne provjere nadzornika — povremene su, invazivne, uska grla na ulazima u smjene i lako ih je zaobići. Rezultat je operativna slijepa točka: visokorizična stanja ostaju najteža za kontinuirano presretanje.
Glas je idealan signal za uklanjanje ove praznine. Radnici prirodno koriste Push-to-Talk radije, interkome i glasovna sučelja tijekom smjene. Alkohol dosljedno mijenja akustičku biomehaniku — oštećujući brzinu artikulacije, vrijeme fonacije, prozodiju i spektralnu kvalitetu glasa — biomarkere koje specijalizirani model izvlači iz sekundi zvuka.
SafeVoice se implementira u dvije komplementarne arhitekture.
SafeVoice-Ref uspoređuje glas u stvarnom vremenu s pohranjenom trijeznom osnovom radnika — idealno za probir pri pristupu na početku smjene.
SafeVoice-Solo radi bez pohranjene osnove, procjenjujući pojedinačne govorne isječke tijekom rutinskih radio komunikacija kroz smjenu.
Izdvojeni testni dio German Alcohol Language Corpus-a, standardnog javnog mjerila, bodovan neponderiranim prosječnim opozivom (UAR). Usporedbe s prethodnim radovima koriste metriku po prozoru — jedna odluka po iskazu, bez glasovanja — jer prethodni radovi ne glasuju.
Umjesto klasificiranja zvuka izolirano, SafeVoice-Ref uspoređuje govor s osnovnim profilom pojedinca. Uklanjanje međugovorničke akustičke varijance daje neposredni dobitak od ~5 postotnih bodova u neponderiranom prosječnom opozivu (UAR) — naša najutjecajnija arhitektonska prekretnica.
I Ref i Solo koriste iste niskorazinske akustičke reprezentacije. SafeVoice-Ref maksimizira preciznost brzim jednokratnim upisom, dok SafeVoice-Solo prioritizira nulto operativno trenje, probirući bilo kojeg govornika odmah bez povijesnih podataka.
Umjesto uobičajenog zamrzavanja slojeva, cijelu smo osnovnu arhitekturu dodatno istrenirali s kraja na kraj. Model se tako preciznije prilagodio akustičkim biomarkerima, a točnost detekcije porasla je za 7 bodova.
Akustički biomarkeri postoje na različitim vremenskim razlučivostima. Niži slojevi osnovnog modela zadržavaju finu artikulacijsku dinamiku i dinamiku vokalnog trakta, dok viši slojevi modeliraju prozodijski tok i ritam fraziranja. Fuzija na više razina praćena pažljivim objedinjavanjem dinamički ponderira najdijagnostičkije okvire.
Zaobišli smo sintetički bijeli šum u korist opsežnih industrijskih audio kurikuluma — teški strojevi, tutnjava vozila, ambijentalna gužva i strukturna reverberacija. Ovo je zatvorilo jaz u performansama u teškim terenskim uvjetima bez degradacije točnosti na čistoj osnovi.
Algoritam procjenjuje govor u cjelini, a ne po slučajnom zvučnom skoku. Snimku analizira kliznim prozorima i potvrđuje rezultat većinom glasova: kašalj i pozadinska buka otpadaju, a konačna točnost raste.
Konsenzus UAR (MV@5), na temelju reference / bez reference. Objavljeno uključujući uvjete u kojima točnost pada.
SafeVoice ne mjeri koncentraciju alkohola u krvi i ne može poslužiti kao osnova za udaljavanje radnika s dužnosti. To je alat za probir prve linije koji ukazuje na to tko zaslužuje pozornost, radi provjere utvrđenim sredstvima. Relevantna usporedba nije s alkotestom nego s alternativom koja se danas koristi: promatranjem nadzornika, koje djeluje otprilike na razini neuvježbanog slušanja.
Svi rezultati dolaze iz jednog korpusa — njemačkog Alcohol Language Corpusa, snimljenog od 162 govornika uz stvarnu vrijednost alkohola u krvi i dahu po govorniku. To je referentno mjerilo za ovaj zadatak, ali to je jedan korpus i svaka gornja usporedba napravljena je na njegovom izdvojenom testnom dijelu.
Objavljujemo uvjete u kojima se točnost smanjuje zajedno s glavnim brojkama i objavljujemo što smo odbacili: pomoćne grane za emocije i regresiju alkohola u krvi (negativan učinak), djelomično zamrzavanje okosnice (oko sedam bodova lošije), podešavanje praga odluke (popravak simptoma vrijedan 0,2 boda) i uvjetovanje ugrađivanjem govornika za model bez reference — stvarni dobitak od 0,6 bodova, odbačen jer bi zahtijevao upis po korisniku i uništio prednost Solo bez trenja.
Provjera sposobnosti za rad na početku smjene: kratka izgovorena prijava u odnosu na upisanu osnovnu vrijednost
Kontinuirano pasivno praćenje rutinskog radijskog prometa, bez upisa
Kalibrirana zastavica proslijeđena odgovarajućem nadzorniku na ljudsku odluku
Radi na CPU-u s manje od jedne sekunde kašnjenja po prozoru analize
Gradi se postupno kada demografski kontekst nije dostupan
Prikazuje se kroz platformu XENOM zajedno s ostalim operativnim signalima gradilišta