.jpg)
La localització de fonts sonores ha estat durant anys una àrea d'intensa investigació en processament de senyal i intel·ligència artificial, amb aplicacions que van des de la robòtica fins a sistemes d'assistència auditiva. No obstant això, els enfocaments tradicionals basats en deep learning solen detectar de forma indiscriminada totes les fonts actives en una escena acústica, sense permetre que un usuari especifiqui quina d'elles desitja localitzar. Aquesta limitació resulta crítica en entorns complexos com sales de reunions, fàbriques intel·ligents o espais públics amb múltiples parlants. Investigacions recents proposen un nou paradigma: la localització selectiva guiada per prompts, on un model interpreta una indicació —ja sigui textual, visual o d'un altre tipus— per centrar-se únicament en la font de so objectiu. Aquest avenç s'alinea amb la tendència cap a sistemes d'ia per a empreses que no només reconeixen patrons, sinó que també actuen sota instruccions específiques de l'usuari.
L'arquitectura anomenada SelectTSL representa una fita en aquest camp en combinar un mòdul d'atenció selectiva guiada per prompts amb un potenciador de diferències de fase intercanals (IPD). D'aquesta manera, el sistema refina les pistes espacials crues i les fusiona amb magnituds espectrals per estimar tant la direcció d'arribada (DoA) com el nombre variable de fonts objectiu. Això permet gestionar escenaris on el nombre de parlants canvia en el temps, cosa que els mètodes convencionals no resolen amb soltesa. Les implicacions per al desenvolupament d'aplicacions a mida en sectors com la domòtica, l'automoció o la seguretat són enormes. Per exemple, un assistent de veu en un vehicle podria ignorar el soroll del motor i localitzar únicament la veu del conductor, millorant la precisió en entorns adversos.
Per implementar solucions d'aquest tipus en entorns productius, és fonamental comptar amb equips que dominin tant la intel·ligència artificial com la integració en infraestructures modernes. En aquest context, la nostra proposta d'intel·ligència artificial per a empreses abasta des de la definició del problema fins al desplegament al núvol, utilitzant serveis cloud aws i azure que garanteixen escalabilitat i baixa latència. A més, la naturalesa sensible de les dades d'àudio —especialment en aplicacions de vigilància o assistència sanitària— exigeix un enfocament rigorós de ciberseguretat. Per això, combinem aquests sistemes amb protocols de protecció de dades i anàlisi de vulnerabilitats, tal com es descriu als nostres serveis de ciberseguretat i pentesting.
La capacitat de SelectTSL per treballar amb prompts multimodals obre la porta a agents IA que interactuen amb l'entorn sonor de manera contextual. Per exemple, un agent podria rebre una instrucció textual com 'localitza la persona que parla de sostenibilitat' i, mitjançant un procés d'extracció de característiques semàntiques i espacials, determinar la seva ubicació en temps real. Això requereix no només models avançats de processament d'àudio, sinó també un programari a mida que orquestri la captura, el preprocessament i la inferència. A Q2BSTUDIO desenvolupem plataformes que integren aquestes capacitats amb dashboards de serveis intel·ligència de negoci, com Power BI, per visualitzar patrons de localització i alertes en temps real.
El repte de la generalització a entorns acústics reals, on la reverberació i el soroll de fons són impredictibles, exigeix estratègies d'entrenament robustes i adaptació al domini. Les proves amb dades sintètiques i gravacions reals demostren que aquests models poden superar les línies base, però el seu èxit final depèn d'una implementació acurada. Empreses que desitgin adoptar aquesta tecnologia per millorar l'experiència d'usuari en dispositius intel·ligents o sistemes de seguretat poden beneficiar-se de les nostres aplicacions a mida, dissenyades per integrar models de localització selectiva amb arquitectures cloud elàstiques i pipelines de dades segurs.
En definitiva, la localització de so objectiu guiada per prompts representa un pas ferm cap a una intel·ligència artificial més centrada en les necessitats humanes. Combinar la capacitat d'atenció selectiva amb plataformes empresarials robustes és el camí per portar aquests avenços del laboratori al mercat, sempre amb un enfocament en la qualitat, la seguretat i l'escalabilitat.
