論文の概要: Soft Active Electromyography Interface for Machine Learning-Enabled Silent Speech Recognition

• arxiv url: http://arxiv.org/abs/2608.27048v1
• Date: Thu, 27 Aug 2026 12:36:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 16:30:58.402054
• Title: Soft Active Electromyography Interface for Machine Learning-Enabled Silent Speech Recognition
• Title（参考訳）: 機械学習によるサイレント音声認識のためのソフト能動筋電図インタフェース
• Abstract要約: 無声音声認識(SSR)は、可聴音声が存在しない場合に、代替の通信経路を提供する。 本稿では,機械学習を用いた単語レベルのSSRを実現するための,ソフトな能動筋電図インタフェースを提案する。
• 参考スコア（独自算出の注目度）: 0.8384259063874331
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Silent speech recognition (SSR) provides an alternative communication pathway in the absence of audible speech. However, conventional approaches are limited by the need for constant facial attachment, privacy concerns, and unstable signal acquisition. Here, we propose a soft, active electromyography (EMG) interface that enables word-level SSR using machine learning. Worn on the hand, the device uses a fingertip electrode that can be positioned near the lips to acquire EMG signals only when needed. The interface integrates liquid metal (LM) interconnects, transparent flexible printed circuit (FPC) electrodes, and elastomer encapsulation to ensure high mechanical stability during finger motion. A deep neural network trained on these stable signals achieved a mean accuracy of 97.2 $\pm$ 1.3% across three subjects in classifying a 30-word vocabulary, demonstrating robust linguistic discrimination. Furthermore, real-time drone control validates the practicality of this approach in noisy and privacy-sensitive environments where conventional voice recognition fails. This study highlights the potential of soft, wearable EMG systems as secure and intuitive human-machine interfaces.
• Abstract（参考訳）: 無声音声認識(SSR)は、可聴音声が存在しない場合に、代替の通信経路を提供する。 しかし、従来のアプローチは、絶え間ない顔のアタッチメント、プライバシーの懸念、不安定な信号の取得の必要性によって制限されている。 本稿では,機械学習を用いた単語レベルのSSRを実現するための,ソフトな能動筋電図インタフェースを提案する。 さらに悪いことに、このデバイスは指先電極を使って唇の近くに配置され、必要なときにのみEMG信号を取得する。 インターフェースは、液体金属(LM)配線、透明フレキシブルプリント回路(FPC)電極、エラストマーカプセルを統合し、指の動き中に高い機械的安定性を確保する。 これらの安定な信号に基づいて訓練されたディープニューラルネットワークは、3つの被験者で97.2ドル\pm$ 1.3%の平均精度を達成し、30ワードの語彙を分類し、堅牢な言語的識別を実証した。 さらに、従来の音声認識が失敗するノイズやプライバシーに敏感な環境で、リアルタイムドローン制御がこのアプローチの実用性を検証する。 この研究は、安全で直感的なヒューマンマシンインタフェースとして、ソフトでウェアラブルなEMGシステムの可能性を強調した。

関連論文リスト

• Affect Decoding in Phonated and Silent Speech Production from Surface EMG [87.23336551848297]
  EMGなどの調音筋活動の計測は、音声音声分析とともに感情によって発声がどのように変調されるかを明らかにすることができる。 そこで本研究では,12人の被験者から3つのタスクにまたがる2,780の発話からなるデータセットを導入し,オブジェクト内およびオブジェクト間デコーディングの評価を行った。 以上の結果から,EMG表現は最大0.845AUCのフラストレーションを確実に識別し,調音モード全体にわたってよく一般化することがわかった。
  論文  参考訳（メタデータ） (2026-03-12T09:22:02Z)
• Robotic Grasping and Placement Controlled by EEG-Based Hybrid Visual and Motor Imagery [64.82869118243723]
  本稿では,脳波に基づく視覚・運動画像(VI/MI)とロボット制御を統合し,リアルタイム・意図駆動型把握・配置を実現するフレームワークを提案する。 このシステムは、BCI駆動のロボット工学の約束に感銘を受けて、オフラインで事前訓練されたデコーダをゼロショットで展開することによって、ニューラルネットワークを物理的制御でブリッジする。
  論文  参考訳（メタデータ） (2026-03-03T17:41:42Z)
• Toward Practical BCI: A Real-time Wireless Imagined Speech EEG Decoding System [37.476645149536814]
  本稿では,フレキシビリティと日常的な使用を目的としたリアルタイム無線音声脳波デコーディングシステムを提案する。 ユーザ識別モジュールは、オペレータを認識し、パーソナライズされたユーザ固有のサービスを提供する。 本稿では,真に実用的でアクセシブルなBCI技術に向けた重要な一歩を示す。
  論文  参考訳（メタデータ） (2025-11-11T07:33:01Z)
• Low-Latency Neural Inference on an Edge Device for Real-Time Handwriting Recognition from EEG Signals [1.0383582379105902]
  想像上の手書きは、文字レベルのニューラルデコーディングに直感的なパラダイムを提供する。 非侵襲脳波(EEG)はより安全でスケーラブルな代替手段を提供するが、低信号対雑音比と空間分解能に悩まされている。 この研究は、高度な機械学習と情報的脳波特徴抽出を組み合わせることで、これらの障壁を克服できることを実証している。
  論文  参考訳（メタデータ） (2025-10-07T21:20:50Z)
• Towards Inclusive Communication: A Unified Framework for Generating Spoken Language from Sign, Lip, and Audio [52.859261069569165]
  音声テキスト生成のための手話,唇の動き,音声の多様な組み合わせを扱える最初の統一フレームワークを提案する。 i)不均一な入力を効果的に処理できる統一されたモダリティ非依存アーキテクチャの設計、(ii)モダリティ間の過小評価された相乗効果の探索、特に手話理解における非手動的手がかりとしての唇運動の役割、(iii)個々のタスクに特化した最先端モデルと同等以上のパフォーマンスを達成すること、の3つの目的に焦点をあてる。
  論文  参考訳（メタデータ） (2025-08-28T06:51:42Z)
• Enhancing Speech Emotion Recognition with Graph-Based Multimodal Fusion and Prosodic Features for the Speech Emotion Recognition in Naturalistic Conditions Challenge at Interspeech 2025 [64.59170359368699]
  自然条件課題におけるInterSPEECH 2025音声感情認識のための頑健なシステムを提案する。 提案手法は,最先端の音声モデルと韻律的・スペクトル的手法によって強化されたテキスト特徴を組み合わせる。
  論文  参考訳（メタデータ） (2025-06-02T13:46:02Z)
• BRAVE: Brain-Controlled Prosthetic Arm with Voice Integration and Embodied Learning for Enhanced Mobility [5.528262076322921]
  BRAVEは、ハイブリッド脳波と音声制御義肢システムである。 脳波駆動運動の意図を解釈することを目的としており、残筋活動に依存することなく運動制御を可能にする。 システムはリアルタイムで動作し、応答遅延は150msである。
  論文  参考訳（メタデータ） (2025-05-23T11:44:33Z)
• Task-Oriented Communications for NextG: End-to-End Deep Learning and AI Security Aspects [78.84264189471936]
  NextG通信システムは,タスク指向通信などのタスクを確実に実行するために,この設計パラダイムのシフトを探求し始めている。 無線信号分類はNextG Radio Access Network (RAN) のタスクであり、エッジデバイスはスペクトル認識のための無線信号を収集し、信号ラベルを識別する必要があるNextGベースステーション(gNodeB)と通信する。 エッジデバイスとgNodeB用のエンコーダデコーダ対として、送信機、受信機、および分類器機能を共同で訓練することで、タスク指向通信を考える。
  論文  参考訳（メタデータ） (2022-12-19T17:54:36Z)
• Inner speech recognition through electroencephalographic signals [2.578242050187029]
  本研究は、脳波信号から始まる内的音声認識に焦点を当てる。 脳波のテキストへの復号は、限られた数の単語(コマンド)の分類として理解されるべきである。 音声関連BCIは、脳信号からの音声コマンドを通してデバイスを制御する効果的な音声通信戦略を提供する。
  論文  参考訳（メタデータ） (2022-10-11T08:29:12Z)
• Analysis of EEG frequency bands for Envisioned Speech Recognition [4.695687634290404]
  脳波の周波数帯と脳の異なる葉から得られる信号の意義を分析することを目的としている。 分類精度は, それぞれ85.93%, 87.27%, 87.51%である。
  論文  参考訳（メタデータ） (2022-03-29T05:50:09Z)
• Discriminative Singular Spectrum Classifier with Applications on Bioacoustic Signal Recognition [67.4171845020675]
  分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。 タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。 提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
  論文  参考訳（メタデータ） (2021-03-18T11:01:21Z)
• Silent Speech Interfaces for Speech Restoration: A Review [59.68902463890532]
  サイレント音声インタフェース (SSI) の研究は、重度音声障害の患者に対して、代替的で拡張的なコミュニケーション方法を提供することを目的としている。 SSIは、コミュニケーションを可能にするために、音声生成中に人体によって生成される非音響バイオシグナーに依存している。 現在、ほとんどのSSIは、健康なユーザーのために実験室でのみ検証されている。
  論文  参考訳（メタデータ） (2020-09-04T11:05:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。