AarushとArnavによって設立されたSubvocal Companyは、音声入力ユーザーにとっての一般的な課題、すなわち図書館やオフィスのような静かな場所や公共の場ではディクテーションができないという問題を解決するためのウェアラブルシステムを開発しています。従来の音声ディクテーションは可聴的な発話を必要としますが、彼らの技術は「サブヴォカル（subvocal）」入力を捉えることを目的としています。これにより、ユーザーは口を動かして言葉を無言で発したり、あるいは口を開けずに舌や軟口蓋を微細に動かすだけで、コンピュータとやり取りすることが可能になります。目標は、多くのユーザーにとって平均40〜100WPM（1分間あたりの単語数）であるタイピングという物理的な摩擦を回避しながら、通常120〜200WPMで行われる自然な発話の流れを維持することです。
この製品に至るまでの技術的な道のりには、センシング手法の大幅な転換が含まれていました。創設者たちは当初、顔の筋肉からの電気信号を読み取る筋電図（EMG）を試行しました。しかし、汗による信号の劣化、電気的な干渉、そしてユーザーが一般的に顔に電極を装着することを望まないという事実から、EMGは消費者向け製品としては不実用的であると判断しました。彼らは無線周波数（RF）アプローチへと移行し、グラスがBluetoothと同様の波を放出する仕組みを採用しました。これらの波が顔を通過する際、顔の調音器官（舌、唇、軟口蓋）の動きによって変調されます。システムは、大量のデータでトレーニングされた基盤モデルを使用して、これらの摂動をテキストにデコードします。これを実現するために、チームは低ノイズのRFセンシングスタックを設計し、口の内部構造と最大限の重なりを確保するためにアンテナをグラスのフレームに直接埋め込む必要がありました。
このシステムの主要なエンジニアリング上の課題は、個人の顔の解剖学的構造によって固有のRF信号パターンが生じるため、ユーザー間での汎用性を確保することです。創設者たちは、プリトレーニングデータをスケールアップすることでこの問題に対処しました。グラスを装着してプロンプトを読み上げる人々の大規模なデータセットを使用することで、データセットの増加とともにエラー率が大幅に低下する「スケーリング曲線」を作成しました。こうした進展がある一方で、この技術は実用的および社会的なハードルにも直面しています。ユーザーからは、公共の場で口を動かすことの「奇妙さ」についての指摘があり、RF波への依存は、この技術がスパイ活動や遠隔センシングに適応される可能性についての疑問も生んでいます。同社は2027年初頭に最初のユニットを発送する予定であり、現在のプロトタイプは特定のユーザーの解剖学的構造に適応するための短いキャリブレーション期間を必要とします。
創設者たちは、成功したスケーリング曲線と説得力のあるユーザー間パフォーマンスを報告していますが、具体的な正確性や基盤モデルのアーキテクチャは社内の機密事項として残されています。さらに、プロトタイプから洗練された消費者向け製品への移行には、アンテナのアライメントを維持し、異なる現実の環境における信頼性に影響を与える可能性のある環境中のRFノイズを最小限に抑えるという、大きな障壁が含まれています。