Le Murmure Silencieux : Capturer les Mots sans Son

Imaginez essayer d'avoir une conversation dans une bibliothèque si calme que même un murmure y résonnerait, ou peut-être êtes-vous dans une situation où parler à voix haute est impossible — peut-être avez-vous perdu votre voix, ou vous êtes dans une usine bruyante où personne ne peut vous entendre. Pendant des siècles, les humains se sont appuyés sur les ondes sonores pour partager leurs pensées, mais et si nous pouvions parler sans produire le moindre son ? C'est le monde des Interfaces de Parole Silencieuse (SSI - Silent Speech Interfaces). Voyez cela comme un anneau de décodage secret pour votre bouche. Au lieu d'écouter votre voix, ces dispositifs écoutent les minuscules mouvements invisibles que vos lèvres, votre mâchoire et votre gorge effectuent lorsque vous « parlez » silencieusement.

Pour ce faire, les scientifiques utilisent différents outils. Certains utilisent des caméras pour observer le mouvement de vos lèvres, tandis que d'autres utilisent des capteurs qui ressentent les décharges électriques de vos muscles. Mais il existe un outil plus récent et plus cool : l'accéléromètre. Vous les connaissez peut-être via votre smartphone, qui sait quand vous inclinez votre téléphone ou le secouez. Dans cette recherche, les scientifiques attachent de minuscules accéléromètres à votre visage et à votre cou. Ces capteurs ne se soucient ni de l'électricité ni des caméras ; ils ne s'intéressent qu'au mouvement. Lorsque vous dites « pomme » silencieusement, votre menton descend, vos lèvres se font charnues et votre gorge bouge. L'accéléromètre ressent ce minuscule sursaut et l'enregistre sous la forme d'une ligne ondulée de données. La grande question, cependant, est la suivante : Où devez-vous placer ces capteurs ? Si vous les placez tous au même endroit, vous risquez de manquer l'action. Si vous en mettez trop, l'appareil devient un amas lourd et inconfortable. Trouver l'emplacement parfait, c'est comme essayer de trouver la meilleure place dans un théâtre pour voir tout le spectacle sans se faire un torticolis.

La Grande Chasse aux Capteurs : Trouver le Point Idéal

Dans cette étude, une équipe de chercheurs de l'Université de Hanyang a décidé de jouer à une version massive de « Où est Charlie ? », mais avec des capteurs sur un visage humain. Ils voulaient déterminer la manière la plus efficace de fixer des accéléromètres sur le bas du visage et le cou d'une personne pour décoder 100 mots anglais prononcés silencieusement. Ils n'ont pas fait de suppositions ; ils ont testé chaque combinaison possible de dix capteurs. Imaginez avoir dix amis différents, et vous voulez savoir quel groupe d'amis fonctionne le mieux ensemble pour résoudre un puzzle. Vous pourriez tester des groupes de un, des groupes de deux, et ainsi de suite jusqu'à l'ensemble des dix. C'est exactement ce qu'ils ont fait, testant plus de 1 000 arrangements de capteurs différents avec 20 volontaires.

Les volontaires étaient assis devant un écran et articulaient silencieusement 100 mots, comme « hello », « stop » ou « blue », tout en portant les capteurs. Un programme informatique intelligent (un type d'intelligence artificielle appelé modèle d'apprentissage profond ou deep learning) tentait ensuite de deviner quel mot était prononcé en se basant sur les lignes ondulées provenant des capteurs.

Voici ce qu'ils ont découvert :

1. Plus n'est pas toujours mieux (La loi des rendements décroissants)
Au début, l'ajout de capteurs aidait l'ordinateur à mieux deviner. Avec un seul capteur, l'ordinateur avait raison environ 75 % du temps. Avec deux capteurs, il passait à plus de 80 %. Mais voici le rebondissement : une fois qu'ils ont atteint cinq capteurs, l'ajout de capteurs supplémentaires n'aidait plus vraiment. La précision a atteint un « plafond » ou un plateau. Qu'ils utilisent six, sept ou les dix capteurs, l'amélioration était si infime qu'elle n'était même pas statistiquement significative. C'est comme ajouter des chefs dans une cuisine ; après un certain point, ils ne font que se gêner sans améliorer le goût du repas.

2. Les Cinq d'Or
Les chercheurs ont trouvé un groupe spécifique de cinq capteurs qui fonctionnait le mieux. Cette « équipe de rêve » se composait de capteurs placés à :

• Le philtrum (le petit creux entre votre nez et votre lèvre supérieure).
• La zone lèvre inférieure/menton (deux emplacements).
• La ligne de la mâchoire (deux emplacements).
• La zone sous le menton/gorge.

Ce mélange spécifique, étiqueté comme les capteurs {1, 4, 5, 7, 8}, a atteint une précision de 92,30 ± 4,64 %. C'était presque aussi bon qu'en utilisant les dix capteurs combinés, mais avec la moitié du matériel.

3. La stratégie de la « Répartition »
La découverte la plus passionnante n'était pas seulement de savoir combien de capteurs ils utilisaient, mais où ils étaient placés. Les chercheurs ont divisé le visage en trois « zones » de mouvement :

• Labiale (Lèvres) : Là où les lèvres bougent.
• Bucco-mandibulaire (Mâchoire/Joues) : Là où la mâchoire s'ouvre et se ferme.
• Sous-mentale (Sous le menton/Gorge) : Là où la gorge et la langue bougent.

Ils ont découvert que les meilleures configurations de capteurs étaient celles qui se répartissaient sur les trois zones. Une configuration plaçant les cinq capteurs uniquement sur les lèvres (en ignorant la mâchoire et la gorge) fonctionnait beaucoup moins bien qu'une configuration plaçant un capteur sur les lèvres, deux sur la mâchoire et deux sur la gorge. C'est comme essayer de comprendre un film en regardant seulement les mains des acteurs ; vous manquez les expressions faciales et le langage corporel. Pour comprendre la « parole silencieuse », il faut voir l'image complète. Les meilleures configurations capturaient les informations « complémentaires », ce qui signifie que les capteurs travaillaient ensemble pour combler les lacunes laissées par les autres.

4. Est-ce que cela fonctionne avec différents mots ?
Pour s'assurer qu'il ne s'agissait pas d'un coup de chance, l'équipe a réessayé l'expérience avec une autre liste de 100 mots. Les capteurs exacts ont légèrement changé (un capteur sur la mâchoire a été remplacé par un sur le cou), mais la stratégie est restée la même : les meilleurs résultats provenaient toujours d'une répartition des capteurs entre les lèvres, la mâchoire et la gorge. Cela suggère que la règle de la « répartition » est un guide solide pour construire ces dispositifs, peu importe les mots que vous voulez dire.

5. L'idée du « Masque »
Enfin, l'équipe s'est demandé : « Pouvons-nous rendre cela encore plus simple ? » Ils ont tenté de trouver une configuration avec seulement trois capteurs qui couvraient toujours les trois zones. Ils ont choisi un capteur sur les lèvres, un sur la mâchoire et un sur la gorge. Ce petit trio parvenait toujours à deviner les mots avec près de 90 % de précision. C'est une avancée majeure car cela suggère qu'à l'avenir, nous pourrions porter un masque simple et confortable ou un petit patch sur le cou capable de décoder nos pensées silencieuses sans avoir besoin d'une douzaine de fils et de capteurs collés partout sur notre visage.

Ce que cela signifie pour l'avenir

Ce document n'a pas seulement trouvé un capteur magique ; il a changé notre façon de concevoir ces dispositifs. Avant cela, les scientifiques copiaient souvent l'emplacement des capteurs d'autres types de technologies (comme les capteurs musculaires) sans se demander si c'était le meilleur endroit pour des capteurs de mouvement. Cette étude a prouvé que pour les accéléromètres, l'emplacement importe plus que la quantité.

Les chercheurs suggèrent qu'au lieu d'empiler les capteurs, nous devrions les concevoir pour qu'ils soient « régionalement distribués ». Pensez à une équipe de sécurité : vous ne placez pas tous vos gardes à la porte d'entrée ; vous en mettez certains à l'arrière, certains aux fenêtres et certains dans le hall. En répartissant les capteurs sur les différentes parties mobiles de la bouche et de la gorge, le dispositif obtient une image 3D complète de la parole silencieuse.

Bien que l'étude ait été réalisée sur des personnes et des mots spécifiques, les résultats suggèrent fortement que cette stratégie de « répartition » est la clé pour créer des dispositifs de parole silencieuse qui soient petits, confortables et assez précis pour la vie réelle. Que ce soit pour les personnes ayant perdu la voix ou pour des agents secrets devant parler sans être entendus, l'avenir de la parole silencieuse pourrait bien ne tenir qu'à quelques minuscules capteurs placés aux bons endroits.