档案库 · 产品创意 · 技术决策 · 2020s
See Sound将家庭噪音转化为可视化读数，服务听障用户
See Sound利用机器学习和两百万条YouTube声音片段，识别75种家庭噪音并进行可视化展示。
See Sound
当时的题目
Millions of deaf and hard-of-hearing people had no home product that could distinguish a microwave from a baby crying. The challenge was to turn ambiguous sound into a simple visual cue.
它是怎么成立的
聋人和听障人士可能会错过关键的家庭信息，因为普通产品无法区分不同的声音。微波炉声、婴儿哭声及其他事件如果没有替代信号，可能始终不可见。
See Sound用智能家居听力系统回应了这个问题。它将噪音与数据库比对，并利用基于两百万条YouTube声音片段训练的机器学习模型将其转化为简单的可视化读数。
该系统以高准确率报告了75种声音，将声音识别转化为视觉无障碍层。其数据驱动设计也为进一步挖掘库数据提升灵敏度留下空间。
妙在哪
- 它在家庭事件发生的当下解决了具体的可访问性缺口。
- 视觉输出比要求用户解释原始技术数据更容易采纳。
- 大型声音库让产品在遇到更多真实世界变化时更有用。
- 机器学习用于翻译和独立性，而非作为现有产品的花哨添加。
做出来什么
A smart-home hearing system made household audio legible without relying on hearing, creating a visual layer for 75 sounds and a model that could improve through deeper data mining.
可以借走的
当系统将信息转化为用户最擅长的通道而非要求其弥补缺失通道时，可访问性得以提升。
后来
D&AD评审团强调数据的深度挖掘是该概念的突出特点：灵敏度可以持续提升，同时产品让无法听到声音的人也能利用声音检测。
资料来源
发现哪里写错了？告诉我们。
轮到你了
你刚读完一个点子。把你手上的题目说出来，看看谁接过同样的题。
免费账号 · 3 次免费提问 · 不用绑卡