Sonova lanciert Hörgerät mit Echtzeit-KI

(Source: zVg)

(Source: zVg)

Sonova Holding hat unter ihrer Hauptmarke Phonak ein neues Hörgerätesystem namens Audéo Infinio vorgestellt. Damit will Sonova das Sprachverstehen im Lärm (Speech-in-Noise) verbessern. Die firmeneigene Dual-Chip-Technologie, wobei einer der zwei Chips Audiosignale mittels Echtzeit-KI verarbeitet, ermögliche optimales Sprachverstehen bei Hintergrundgeräuschen. Dies soll den Nutzerinnen und Nutzer ein weniger anstrengendes Sprachverstehen aus jeder Richtung ermöglichen, heisst es in einer Mitteilung. 

"Um diese bedeutenden Ergebnisse zu erzielen, mussten wir ein leistungsstarkes Deep Neural Network (DNN) in einem Hörgerät implementieren", erklärt Andi Vonlanthen, Global Head of Research and Development Hearing Instruments von Sonova. "Dazu haben wir einen speziellen Chip entwickelt – Deepsonic, unsere DNN-Einheit. Um die Leistung des Chips zu optimieren, haben wir zudem eine spezifische Trainings- und Testumgebung aufgebaut. Der gesamte Prozess hat viele Jahre gedauert und bedeutende Investitionen in die technologische Entwicklung erforderlich gemacht."

Phonak Audéo Sphere Infinio. (Source: zVg)

Einführung von Phonak Audéo Infinio Plattform

Gleichzeitig lanciert Sonova mit der Phonak Audéo Infinio Plattform die bisher grösste Produkteinführung der Gruppe. Die Produktreihe beinhaltet das Phonak Audéo R Infinio mit dem Receiver-in-Canal (RIC) Formfaktor für leichten bis starken Hörverlust. Für nicht behandelbaren Hörverlust bietet Sonova den Phonak CROS R Infinio an. Darüber hinaus sei Phonak Virto R Infinio das erste wiederaufladbare personalisierte Hörgerät von Phonak, teilt Sonova mit.

Die Produkte werden mit der Phonak Era Chip betrieben und bringen eine Reihe von Verbesserungen mit sich, darunter auch eine verbesserte Bluetooth-Classic-Konnektivität. Die Geräte sind laut Mitteilung bereits im Handel.

Phonak Audéo Virto Infinio. (Source: zVg)

Eine Studie der Rice Universität in Houston, Texas zeigt auf, dass sich KI-Modelle durch KI-generierte Trainingsdaten womöglich selbst sabotieren. Über die potenzielle Dysfunktionalität von KI lesen Sie hier.