음성에는 단어 이상의 정보가 담겨 있습니다. 알코올 중독은 조음, 템포, 스펙트럼 미세 변동에 측정 가능한 흔적을 남기며, 이는 인간의 귀로는 기껏해야 불안정하게만 감지할 수 있는 신호입니다.
XENOM의 R&D 팀은 이러한 음향 바이오마커를 감지하는 독자적인 딥러닝 모델을 훈련하고, 이 작업의 표준 공개 벤치마크인 Alcohol Language Corpus에서 평가했습니다.
기존 연구와 동일한 방식으로 엄격하게 측정한 결과 — 창 단위 비가중 평균 재현율, 발화당 단일 결정, 투표 없음 — 기준 기반 구성은 86.3% UAR에 도달했습니다. 등록된 기준선이 필요 없고 단일 음성 샘플에서 결정하는 무기준 구성은 81.9%에 도달했습니다. 녹음의 여러 창을 합의 결정으로 결합하는 배포 작동 지점에서는 각각 87.6%와 82.5%로 상승합니다.
참고로, 이 코퍼스에 대한 공식 Interspeech 2011 Speaker-State Challenge 기준선은 65.9% UAR이며, 이전에 발표된 최고 수준의 결과는 약 73~75%에서 정점을 이루고, 훈련되지 않은 인간 청취자는 약 60~65%의 점수를 보입니다.
이 시스템은 일상적인 무선 통신 위에 수동적 계층으로 실행됩니다. 작업자는 평소처럼 말하면 되며, 추가 절차나 작업 중단, 별도의 검문소가 필요 없습니다.
이 시스템이 무엇인지, 무엇이 아닌지. 혈중 알코올 농도를 측정하지 않으며 작업자를 업무에서 제외시키는 근거로 사용될 수 없습니다. 확립된 방법으로 확인이 필요한 대상을 표시하는 1차 선별 도구입니다. 관련 비교 대상은 음주 측정기가 아니라 오늘날 사용되는 대안인 감독자 관찰이며, 이는 훈련되지 않은 청취 수준의 성능을 보입니다.
정확도가 저하되는 조건을 포함한 전체 음향 조건의 결과와 비교 가능성에 대한 주의 사항 및 방법의 알려진 한계를 공개했습니다.