ब्रेन-टू-वॉइस तकनीक पैरालाइज़्ड व्यक्ति को प्रवाहपूर्ण बोलने में मदद करती है

A team of engineers from the University of California, Davis, has created a brain-to-voice system that enables individuals suffering from communication disorders to speak fluently. The system combines a Brain-computer interface (BCI), advanced AI, and new research to support real-time, intelligible, and expressive speech. Hear what you need to know.

संचार विकार क्या हैं?

जब आप सोचते हैं कि आपको क्या परिभाषित करता है, तो यह आपकी शैली या दृष्टिकोण हो सकता है। कुछ ही लोग कहेंगे कि उनकी आवाज़ है। हालांकि, हर बार जब आप बोलते हैं, आप अपनी आवाज़ सुनते हैं, जो यह पुष्टि करती है कि वह आप ही हैं। इसलिए, आपकी आवाज़ आपकी पहचान का एक महत्वपूर्ण हिस्सा है। इस हिस्से को खो देना आपके मानसिक स्वास्थ्य के लिए हानिकारक हो सकता है।

दुर्भाग्यवश, यह स्थिति उन लाखों लोगों की वास्तविकता है जो न्यूरोलॉजिकल स्थितियों से पीड़ित हैं जो उनकी प्रवाहपूर्ण बोलने की क्षमता को सीमित कर सकती हैं। स्ट्रोक, डिसआर्थ्रिया, और डिस्फोनिया जैसी स्थितियां बिखरी या असंगत भाषण का कारण बन सकती हैं, जिससे व्यक्ति की प्रभावी संचार क्षमता सीमित हो जाती है।

यह स्थिति दुर्लभ नहीं है। हालिया अध्ययन के अनुसार, इस वर्ष लगभग 8,00,000 लोग स्ट्रोक से पीड़ित होंगे। वही डेटा दर्शाता है कि हर 3 स्ट्रोक पीड़ितों में से 1 को घटना के बाद किसी न किसी प्रकार की संचार समस्या का सामना करना पड़ेगा। ये रोग रोगी के लिए विनाशकारी होते हैं और अवसाद तथा अन्य हानिकारक स्थितियों का कारण बन सकते हैं।

ब्रेन-कंप्यूटर इंटरफ़ेस (BCI) संचार में कैसे मदद करते हैं

सौभाग्य से, इंजीनियरों ने इन समस्याओं को हल करने के लिए बहुत प्रयास किया है। सांस द्वारा नियंत्रित कंप्यूटरों से लेकर आँख-ट्रैकिंग सॉफ़्टवेयर तक, तकनीक ने कुछ समाधान प्रदान किए हैं। इस हद तक, ब्रेन कंप्यूटर इंटरफ़ेस को कई लोग इस तकनीक का तार्किक विकास मानते हैं।

हांस बर्गर ने 1920 के दशक में विद्युत मस्तिष्क गतिविधि को रिकॉर्ड किया, तब से वैज्ञानिक इन संकेतों का उपयोग करके मस्तिष्क की कार्यक्षमता को समझने की कोशिश कर रहे हैं। हालांकि, न्यूरॉनल फायरिंग को डिकोड करके छवियों और गति को पुनः उत्पन्न करने में लगभग 80 वर्षों का शोध लगा।

आज, BCI को एक उभरती हुई तकनीक के रूप में देखा जाता है जिसका उपयोग VR, ऑटोमेशन, सिस्टम प्रबंधन और चिकित्सा क्षेत्रों में हो रहा है। विशेष रूप से, चिकित्सा क्षेत्र ने इन उपकरणों का उपयोग उन लोगों की मदद के लिए किया है जो गतिशीलता या संचार विकारों से पीड़ित हैं।

रोचक बात यह है कि पहले BCI ने रोगियों और उनके प्रियजनों के बीच बेहतर संचार को सक्षम किया। ये प्रारंभिक सिस्टम संचार के लिए टेक्स्ट डिस्प्ले पर निर्भर थे। बाद में, टेक्स्ट सिस्टम को शब्दों को ज़ोर से पढ़ने के लिए अपडेट किया गया, जिससे भाषण प्रतिक्रियाएँ बनें। जबकि श्रव्य प्रतिक्रियाएँ सहायक थीं, उनमें कोई मानवीय अनुभूति नहीं थी।

पारंपरिक BCI स्पीच सिस्टम की सीमाएँ

BCI की सफलता को अब तक कई सीमित करने वाले कारकों ने प्रभावित किया है। एक तो, टेक्स्ट संचार विधि स्वाभाविक नहीं है। यह अजीब है, और समय-सारिणी सामान्य बातचीत की तुलना में असंगत है।

The delayed response times of the speech feature and its robotic voice also detach the user from the feeling of having a normal conversation with friends. Vital aspects like the ability to hear your voice, interject, or even enunciate words were missing from this approach.

ब्रेन-टू-वॉइस अध्ययन

सौभाग्य से, वैज्ञानिकों की एक टीम ने दशकों के शोध के बाद इन समस्याओं को हल करने का तरीका खोज लिया है। हालिया “An instantaneous voice-synthesis neuroprosthesis” अध्ययन¹ एक नवीन ब्रेन-टू-वॉइस न्यूरोप्रोस्थेसिस प्रस्तुत करता है जो मस्तिष्क गतिविधि को तुरंत भाषण में अनुवादित कर सकता है। अभी भी शुरुआती चरण में होने के बावजूद, इसका वैश्विक स्तर पर लाखों जीवन को सुधारने की क्षमता है।

Like its predecessors, the device allows users to “speak” through a computer. However, this approach relies on sensors surgically implanted into the brain’s Broca and Wernicke’s areas. These are the regions of the brain responsible for producing speech.

स्रोत – University of California

विशेष रूप से, चार माइक्रोइलेक्ट्रोड एरेज़ जिनमें 256 माइक्रोइलेक्ट्रोड होते हैं, इंजीनियरों को न्यूरल गतिविधि को इच्छित ध्वनियों से मैप करने में सक्षम बनाते हैं। उल्लेखनीय रूप से, सिस्टम एक सेकंड से कम विलंब के साथ इंट्राकॉर्टिकल गतिविधि को डिकोड करके पैरालिंग्विस्टिक विशेषताओं को समझ सकता है।

ब्रेन-टू-वॉइस सिस्टम में उपयोग किए गए एआई एल्गोरिदम

इंजीनियरों ने एक परीक्षण विषय से एकत्रित डेटा का उपयोग करके अपने स्वामित्व वाले एआई एल्गोरिदम के लिए डेटा सेट बनाया। परीक्षण विषयों को वाक्य दिखाए गए जिन्हें वे ज़ोर से पढ़ने का प्रयास करते थे। इस चरण ने टीम को उनकी न्यूरल गतिविधि को मैप करने और इसे आवाज़ संश्लेषण के लिए एक बंद लूप बनाने में मदद की।

प्रभावशाली रूप से, एल्गोरिदम यह महसूस कर सकता है कि व्यक्ति बोलने की कोशिश कर रहा है और बिना किसी शारीरिक आंदोलन के उनकी न्यूरल गतिविधि को स्वचालित रूप से ध्वनि में बदल देता है। यह रूपांतरण सहजता से होता है, जिससे यह पारंपरिक बातचीत की गति के बहुत समान हो जाता है।

इसके अतिरिक्त, बंद‑लूप ऑडियो फीडबैक सिस्टम प्रोटोकॉल को उपयोगकर्ता की आवाज़ संश्लेषित करने की अनुमति देता है, जिससे वे अपनी बातचीत को वास्तविक वार्तालाप की तरह सुन सकते हैं। सिस्टम इन आवाज़ पैटर्न को संश्लेषित करता है, जिससे रोगी की लय और समय पर पूर्ण नियंत्रण संभव होता है।

ब्रेन-टू-वॉइस परीक्षण

उस प्रयोग के परीक्षण चरण की शुरुआत एक उपयुक्त रोगी खोजने से हुई। टीम ने ALS (अमायोट्रोफिक लेटरल स्क्लेरोसिस) से पीड़ित एक व्यक्ति को पाया, जिसे संयुक्त राज्य में लू गेह्रिग रोग भी कहा जाता है। यह विनाशकारी बीमारी रीढ़ की हड्डी और मस्तिष्क के आसपास तंत्रिका क्षय का कारण बनती है। ALS से पीड़ित लोग चेहरे की मांसपेशियों पर नियंत्रण खोने के कारण सटीक रूप से बोलने की क्षमता खो सकते हैं।

अध्ययन के लिए चयनित रोगी ALS और गंभीर डिसआर्थ्रिया से पीड़ित है। सेंसर स्थापित करने और एआई एल्गोरिदम को प्रोग्राम करने के बाद, रोगी को वाक्य ज़ोर से पढ़ने को कहा गया। इस तकनीक ने इंजीनियरों को उसकी मस्तिष्क गतिविधि को दर्ज करने में सक्षम बनाया।

एक बार कैलिब्रेट होने पर, प्रोटोटाइप तुरंत उसकी आवाज़ को संश्लेषित करता है, जिससे वह वास्तविक समय में संवाद कर सकता है। रोगी अपने परिवार के साथ संवाद करने, बातचीत के दौरान स्वर बदलने और अपने बिंदुओं को उजागर करने में सक्षम था। प्रभावशाली रूप से, परीक्षण विषय ने छोटे धुनों को भी गाया।

ब्रेन-टू-वॉइस परीक्षण परिणाम

परीक्षण परिणाम दर्शाते हैं कि ब्रेन-टू-वॉइस सिस्टम प्रभावी है। यह रोगी की आवाज़ और भाषण पैटर्न को उच्च सटीकता के साथ सही ढंग से संश्लेषित करता है। विशेष रूप से, सिस्टम 60% सटीकता प्रदान करता है, जबकि मशीन का उपयोग न करने पर केवल 4% होती है।

इंजीनियरों ने नोट किया कि रोगी वास्तविक समय में अपनी BCI‑संश्लेषित आवाज़ को बदल और मॉड्यूलेट कर सकता था। उन्होंने प्रक्रिया को 1/14 सेकंड में पूरा होते देखा, जो किसी सामान्य बातचीत के विलंब के समान है। उन्होंने यह भी देखा कि रोगी ने प्रश्न पूछे जाने पर अपनी आवाज़ बदलकर संकेत दिया।

रोचक बात यह है कि तकनीक रोगी के वर्तमान शब्दावली तक सीमित नहीं है। टीम ने कई मामलों को दर्ज किया जहाँ रोगी को नए शब्द सिखाए गए और सिस्टम ने उन्हें सही ढंग से उच्चारित किया। यह डेटा इस दृष्टिकोण की भाषण विकारों से निपटने की क्षमता को दर्शाता है।

ब्रेन-टू-वॉइस लाभ

ब्रेन-टू-वॉइस तकनीक बाजार में कई लाभ लाती है। सबसे पहले, यह पैरालिसिस और अन्य जीवन‑परिवर्तनकारी रोगों से पीड़ित लोगों को सामान्य दैनिक जीवन की कुछ झलक पुनः प्राप्त करने के लिए एक विश्वसनीय और स्वाभाविक तरीका प्रदान करती है।

प्रोटोकॉल तुरंत भाषण प्रतिक्रियाएँ प्रदान कर सकता है। डिजिटल वोकल ट्रैक्ट रोगियों की विशिष्ट आवाज़ों को समर्थन देता है और बिना किसी पता चलने वाले विलंब के प्रतिक्रिया देता है। प्रतिक्रियाएँ सटीक साबित हुई हैं और केवल न्यूरल सिग्नल डेटा का उपयोग करके बनाई जा सकती हैं।

संचार विकारों वाले रोगियों के लिए एक नया युग

इस तकनीक का सबसे बड़ा लाभ यह है कि यह संचार समस्याओं से पीड़ित लोगों को अंततः अपनी कहानी को समझने योग्य तरीके से साझा करने की अनुमति देगा। यह तकनीक न्यूरोप्रोस्थेसिस उपयोगकर्ताओं को बातचीत में भाग लेने और समान समस्याओं वाले अन्य लोगों की मदद करने में अपना योगदान देने में सक्षम बनाती है।

ब्रेन-टू-वॉइस तकनीक के वास्तविक दुनिया के अनुप्रयोग और समयरेखा

ब्रेन-टू-ऑफ़िस कंप्यूटर तकनीक के कई अनुप्रयोग हैं। कंप्यूटर लंबे समय से मौजूद हैं, और बेहतर ग्राफ़िक्स, प्रोसेसिंग और हार्डवेयर जैसी लगभग सभी तकनीकी पहलुओं को अपडेट करने के बावजूद, कीबोर्ड अभी भी लगभग अपरिवर्तित है।

एक विश्वसनीय अनुसंधानात्मक ब्रेन‑कंप्यूटर इंटरफ़ेस का परिचय खेल को बदल देता है। यह मनुष्यों और कंप्यूटरों के बीच सहज इंटरैक्शन के लिए द्वार खोलता है। इस प्रकार, यह तकनीक अधिक उन्नत उपचारों और तकनीकों के द्वार खोल सकती है।

ब्रेन-टू-वॉइस समयरेखा

शोधकर्ताओं ने अभी तक कोई समयरेखा निर्धारित नहीं की है। हालांकि, इन रोगों से पीड़ित लोगों की गंभीर स्थिति को देखते हुए, संभावना है कि यह तकनीक अगले 5‑10 वर्षों में बाजार में आ सकती है। नियामकों की स्वीकृति से पहले इम्प्लांट के दीर्घकालिक प्रभावों पर अधिक शोध की आवश्यकता होगी।

ब्रेन-टू-वॉइस शोधकर्ता

ब्रेन-टू-वॉइस अध्ययन कैलिफ़ोर्निया विश्वविद्यालय के शोधकर्ताओं द्वारा नेतृत्व किया गया। विशेष रूप से, इस पेपर में Maitreyee Wairagkar, Nicholas S. Card, Tyler Singer-Clark, Xianda Hou, Carrina Iacobacci, Lee M. Miller, Leigh R. Hochberg, David M. Brandman, और Sergey D. Stavisky को परियोजना के प्रमुख योगदानकर्ता के रूप में सूचीबद्ध किया गया है।

ब्रेन-टू-वॉइस भविष्य

इंजीनियरों के अनुसार, ब्रेन-टू-वॉइस सिस्टम पर अभी भी बहुत काम बाकी है। वे आने वाले महीनों में अधिक रोगियों को शामिल करने के लिए अपने परीक्षण को विस्तारित करने की आशा रखते हैं। वे विभिन्न प्रकार के विकारों से पीड़ित रोगियों को भी शामिल करना चाहते हैं। अध्ययन में भाग लेने के इच्छुक लोग [email protected] पर संपर्क करके देख सकते हैं कि वे योग्य हैं या नहीं।

एआई हेल्थकेयर सेक्टर में निवेश

कृत्रिम बुद्धिमत्ता स्वास्थ्य देखभाल और उपचार में बढ़ती भूमिका निभा रही है। यह सिस्टम स्वास्थ्य प्रदाताओं को रोगों का तेज़ी से निर्धारण करने, उन्हें अधिक प्रभावी ढंग से उपचार करने, और यहां तक कि आघातजन्य विकारों के मूल कारणों की खोज करने में मदद कर सकता है। आज एआई हेल्थकेयर क्षेत्र में कई खिलाड़ी हैं। यहाँ एक कंपनी है जिसने बाजार में अपना एक विशिष्ट स्थान बनाया है।

SoundHound AI, Inc.

सैंटा क्लारा, कैलिफ़ोर्निया स्थित SoundHound AI (SOUN ) ने संगीत पहचान ऐप Midomi के रूप में लॉन्च से लेकर एआई वार्तालाप इंटरफ़ेस में सबसे प्रतिष्ठित नामों में से एक बनने तक एक रोचक यात्रा तय की है।

कंपनी की यात्रा 2005 में शुरू हुई जब Keyvan Mohajer ने उन्नत ऑडियो पहचान प्रोटोकॉल पर काम करना शुरू किया। 2015 में, कंपनी ने अपना नाम बदलकर SoundHound रखा और अपने स्वामित्व वाले वॉयस एआई प्लेटफ़ॉर्म पर ध्यान केंद्रित किया।

इस प्रोटोकॉल ने एआई स्पीच रिकग्निशन क्षमताओं का विस्तार किया और इसे डीप मीनींग अंडरस्टैंडिंग तकनीकों का उपयोग करके डिजाइन किया गया। आज, SoundHound एक प्रमुख एआई स्पीच एनालिसिस सिस्टम प्रदाता है जो +250 पेटेंट रखता है और +20 अंतर्राष्ट्रीय भाषाओं का समर्थन कर सकता है।

नवीनतम SoundHound AI (SOUN) स्टॉक समाचार और विकास

ब्रेन-टू-वॉइस तकनीक – भविष्य सहज है

जब आप ब्रेन-टू-वॉइस अध्ययन द्वारा बाजार में लाए गए तकनीकी लाभों को देखते हैं, तो यह समझना आसान है कि कई लोग इसे चिकित्सा क्षेत्र में एक बड़ा मील का पत्थर क्यों मानते हैं। भविष्य में, आप BCI का उपयोग करके रोबोट, वाहन और अपने जीवन के अन्य महत्वपूर्ण पहलुओं को नियंत्रित कर सकते हैं।

यह नवीनतम अध्ययन दर्शाता है कि यह तकनीक कई लोगों के जीवन को कैसे सुधार सकती है। इसलिए, शोधकर्ताओं को उनके प्रयासों के लिए खड़े होकर तालियों की सराहना मिलनी चाहिए।

अन्य शानदार हेल्थकेयर प्रगति के बारे में यहाँ जानें।

संदर्भित अध्ययन:

^{1. Wairagkar, M., Card, N.S., Singer-Clark, T. et al. एक त्वरित आवाज‑संश्लेषण न्यूरोप्रोस्थेसिस. Nature (2025). https://doi.org/10.1038/s41586-025-09127-3}