Tal bär mer än ord. Alkoholpåverkan lämnar mätbara spår i artikulation, tempo och spektral mikrovariation — signaler som det mänskliga örat i bästa fall uppfattar otillförlitligt.
XENOM:s FoU-team har tränat en egenutvecklad djupinlärningsmodell för att upptäcka dessa akustiska biomarkörer och utvärderat den på Alcohol Language Corpus, det etablerade offentliga riktmärket för denna uppgift.
Strikt bedömd jämförbart — per fönster oviktad medelvärdesrecall, ett enda beslut per yttrande utan votering, exakt så som tidigare arbete mäts — når den referensbaserade konfigurationen 86,3 % UAR. Den referensfria konfigurationen, som inte kräver någon registrerad baslinje och beslutar utifrån ett enda talat prov, når 81,9 %. Vid driftsättningens arbetspunkt, där systemet kombinerar flera fönster av en inspelning till ett konsensusbeslut, stiger dessa till 87,6 % respektive 82,5 %.
För sammanhanget: den officiella baslinjen från Interspeech 2011 Speaker-State Challenge på detta korpus ligger på 65,9 % UAR, tidigare publicerade toppmoderna resultat når ungefär 73–75 %, och otränade mänskliga lyssnare presterar runt 60–65 %.
Systemet fungerar som ett passivt lager över rutinmässig radiotrafik. Arbetare talar som de alltid gör; ingen ytterligare procedur, inget avbrott i arbetet, ingen separat kontrollpunkt.
Vad systemet är — och inte är. Det mäter inte alkoholkoncentration i blodet och kan inte utgöra grund för att avlägsna en arbetare från tjänst. Det är ett screeningverktyg i första ledet som indikerar vem som förtjänar uppmärksamhet, för verifiering med etablerade metoder. Den relevanta jämförelsen är inte med en alkomätare, utan med det alternativ som används idag: arbetsledarobservation, som presterar ungefär på nivå med otränat lyssnande.
Vi har publicerat fullständiga resultat över akustiska förhållanden — inklusive de där noggrannheten försämras — tillsammans med jämförbarhetsförbehållen och metodens kända begränsningar.