Subvocal：戴副眼镜就能"默念"打字

语音输入已经很好用，但在图书馆、开放办公室或地铁上，对着电脑说话依然是一件让人尴尬的事。两位佐治亚理工学院的辍学生想做的是：让你动动嘴型、甚至闭着嘴"默念"，电脑就能把内容变成文字。他们的产品叫 Subvocal，形态是一副智能眼镜。

从面部电极到射频眼镜：一次彻底的技术转向

Aarush 和 Arnav 最初在斯坦福 TreeHacks 黑客松上复刻了 MIT Media Lab 的 AlterEgo 方案——把 EMG（肌电）电极贴在脸上，读取说话时面部肌肉的电信号。36 小时做出的原型只能在字母级别勉强工作，没能获奖，但让他们决定全力投入。

EMG 路线很快暴露出硬伤：出汗会改变信号、电气干扰严重、电极位置稍有偏差结果就不同。更现实的问题是，没有人愿意每天往脸上贴电极。

于是团队转向射频（RF）方案：眼镜框内嵌天线，发射类似蓝牙的无线电波穿透面部，当电波经过舌头、嘴唇和软腭时，会被人无声的口型动作调制，再由在这一数据上训练的基础模型解码成文本。

这个转向并不是简单的换传感器。团队先搭了一套极低噪声的 RF 感知链路，然后反复调整天线位置，让电磁场与发音器官的重叠最大化。第一版眼镜完全失败，他们只好把天线重新贴回脸上，还做了个古怪但有效的头架来保证天线位置和角度一致。直到在仿真里反复打磨，才做出可以放进镜框的天线布局。

EMG（肌电） 是通过表面电极采集肌肉收缩时产生的微弱电信号（通常为微伏到毫伏级）来推断动作意图的技术。在静默语音场景中，即便人不出声，舌头、嘴唇和喉部肌肉仍会产生可测量的电活动，AlterEgo 等项目正是据此把“默念”转成文字。EMG 的优点是时间分辨率高、直接反映神经肌肉指令；缺点是信号幅度小，极易受汗液（改变皮肤阻抗）、电极位移和周围电器电磁干扰影响，且需要皮肤接触，长期佩戴体验差。这正是 Subvocal 放弃该路线、转向非接触式射频感知的核心原因。

闭着嘴也能用，但需要一点练习

值得说明的是，Subvocal 并不要求你真的动嘴唇或张开嘴。由于射频信号可以"看到"口腔内部，系统可以针对"内部言语"做微调——不是默读时那种不自觉的舌部动作，而是闭着嘴做口型。作者坦言这个动作有点奇怪，但经过练习已经能掌握得相当好。

在演示视频里，YC 的 Dave 只做了 20 句话左右的校准，就能用眼镜完成输入。这个校准量在静默语音这类任务上相当少见，因为每个人的面部解剖结构和对应的射频信号模式差异极大。

静默语音（silent speech） 指用户不发出可听声音、仅通过发音器官的运动来输入内容，是语音交互研究中的一个独立方向。它与传统 ASR（自动语音识别）的关键差别在于：没有可用的声学信号，系统必须依赖其他模态——肌电、超声、雷达或射频——来捕捉构音动作。这类任务通常面临两个难题：一是“内部言语”与“外显构音”之间的动作幅度差异大，信号微弱；二是不同人的口腔解剖结构差异显著，导致同一句话产生的传感模式并不一致。因此静默语音系统往往需要个体校准，而校准成本正是衡量其实用性的重要指标。

真正的难点不是信号，而是泛化

团队发现，跨用户泛化是比硬件更棘手的问题。算法层面的变通很快走到了尽头，唯一有效的杠杆是大幅扩大预训练数据规模。他们在办公室里搭了采集点，付费请人戴着眼镜朗读提示词，用这些数据预训练模型。

结果是一条漂亮的缩放曲线：随着数据量上升，错误率快速下降，跨用户表现变得真正可用。这个结论和当下基础模型领域的普遍经验一致——在传感器数据这类模态上，数据规模往往比精巧的建模更能解决问题。

作者对"第一性原理"的反思也颇有价值：他们一开始试图自上而下地解决整个问题，彻底失败；只有当把天线、电子学和机器学习每个组件拆解到最基础层面逐一优化，整件事才真正跑通。

跨用户泛化（cross-user generalization） 指模型在训练时未见过的用户身上仍能保持性能的能力。在传感器类任务中，这一点尤其困难，因为每个人的生理结构、佩戴方式和动作习惯都会系统性改变信号分布，形成明显的“域偏移”。常见对策包括个体校准、域适应和对抗训练，但效果往往有限。文章提到的经验——扩大预训练数据规模比精巧建模更有效——与基础模型领域的缩放定律（scaling law）一致：当数据覆盖足够多的人和场景时，模型能学到跨个体共享的表征，从而降低对新用户校准的依赖。

产品节奏与谁需要它

Subvocal 目前是原型阶段，团队计划继续研发，把原型打磨成官网展示的成品形态，并计划在 2027 年第一季度出货，同时继续扩充数据集以改善边缘场景表现。

首批 500 台已经开放预购，最终价格上优惠 200 美元。从帖子在 Hacker News 上获得 262 点和 184 条评论的讨论热度看，"想用语音输入但不想被旁人听到"这个需求确实存在——Wispr Flow 这类工具的power user 正是他们的目标人群。

从技术路线看，射频静默语音的优势在于完全无接触、不需要皮肤接触电极，形态上更容易做成日常可穿戴设备。挑战同样明显：射频信号对头部姿态和环境的敏感度、长期佩戴的一致性、以及不同语言和口音的适配，都还需要数据来验证。如果这条路线成立，它的意义不只是多一种输入方式，而是把语音交互从"私密空间"解放到"任何空间"。