Subvocal 公司由 Aarush 和 Arnav 创立，正在开发一种可穿戴系统，旨在解决语音转文本用户的一个常见痛点：在图书馆或办公室等安静或公共场所无法使用语音听写。虽然传统的语音听写需要可听见的语音，但他们的技术旨在捕捉“亚发音（subvocal）”输入。这允许用户通过默默地动嘴唇，甚至通过在不张开嘴的情况下进行舌头和软腭的微小运动来与计算机进行交流。其目标是在绕过许多用户平均在 40 到 100 WPM（每分钟单词数）之间的打字物理摩擦的同时，保持自然的语音流——通常发生在 120-200 WPM 之间。
研发这一产品的技术历程涉及感知方法的重大转变。创始人最初尝试使用肌电图（EMG），该技术可读取面部肌肉的电信号。然而，他们发现由于汗液引起的信号衰减、电干扰，以及用户通常不愿在脸上佩戴电极等原因，EMG 不适合作为消费产品。他们转向了射频（RF）方法，眼镜会发出类似于蓝牙的波。当这些波穿过面部时，它们会被面部发音器官（舌头、嘴唇和软腭）的运动所调制。该系统使用在海量数据上训练的基础模型，将这些扰动解码为文本。为了实现这一目标，团队必须设计一个低噪声的 RF 感知堆栈，并将天线直接嵌入眼镜框架中，以确保与口腔内部结构的最大重叠。
该系统的主要工程挑战是跨用户的泛化能力，因为每个人的面部解剖结构都会产生独特的 RF 信号模式。创始人通过扩展预训练数据解决了这一问题，利用大量佩戴眼镜阅读提示词的人员数据集创建了一条“缩放曲线”，随着数据集的增长，错误率显著下降。尽管取得了这些进展，该技术仍面临实际和社交障碍。用户注意到在公共场合默默动嘴可能产生的“怪异感”，而且对 RF 波的依赖引发了关于该技术是否可能被改编用于间谍活动或远程感知的疑问。公司计划在 2027 年初交付首批产品，目前的原型机需要一个简短的校准期来适应特定用户的解剖结构。
虽然创始人报告了成功的缩放曲线和引人注目的跨用户性能，但具体的准确率和基础模型的架构仍属于内部专有细节。此外，从原型机到精美的消费产品的转变涉及在保持天线对齐和最小化环境 RF 噪声方面的重大障碍，这些因素可能会影响在不同现实场景中的可靠性。