Apple 最新研究顯示，原本用於語音識別的 AI 模型可透過處理心音圖來判斷用戶心率，這項技術有望應用於未來 AirPods 產品。
Apple 最近發佈題為「基礎模型隱藏表徵用於聽診心率估算」的研究報告，探討如何運用基礎模型從音頻記錄中測定心率，即使這些模型原本並非為此目的而設計。他們測試了 6 個熱門基礎模型，包括用於音頻轉錄的 Whisper，以及一個內部開發的 CLAP（對比語言音頻預訓練）模型。研究人員讓這些模型處理心音圖記錄而非語音內容，總計約 20 小時的心跳聲音數據。
測試採用公開的 CirCor DigiScope 心音圖數據集，錄音長度由 5.1 秒至 64.5 秒不等。人工標註員為心音圖音頻文件中的心臟雜音作出標記，並將文件分割成每秒移動的 5 秒片段，最終產生 23381 個心跳聲音片段用於轉換成心率測量數據。
研究結果顯示 Apple 內部 CLAP 模型表現比其他現有模型優秀：「我們觀察到內部 CLAP 模型音頻編碼器的表徵在各種數據分割中達到最低平均絕對誤差，超越了使用標準聲學特徵訓練的基準模型。」與 Whisper、wav2vec2 和 wavLM 不同，Apple 內部 CLAP 模型使用包含語音以外內容的音頻數據進行訓練。
多樣化的訓練數據「可能增強其捕捉與心跳聲音相關的非語音特徵能力，有助提升其效果」。研究人員指出，為語音處理而創建的基礎模型「可有效適應聽診和生命體徵估算，為部分傳統方法提供穩健且高效的替代方案」。
研究同時發現較大型基礎模型未必在心率判斷方面表現更佳。研究指出，基礎模型的額外微調可能帶來更準確的心率估算。研究人員認為這項技術在「心肺聲音病理分析方面具有潛在應用價值，可能有助更準確檢測心律不整和雜音等異常情況」。
考慮到 Apple 對健康相關功能的重視，可能會將此技術整合至未來 AirPods 型號。現時 AirPods Pro 2 已支援一系列聽力健康功能，並透過內置麥克風提供主動降噪功能。之前已有傳言指 Apple 正研究在 AirPods 中加入心率和溫度感應器等功能，是否會實際推出新功能仍然有待進一步公佈。
