Tre soluzioni, una regola:il dato non viaggia più del necessario.
Allo sportello il riconoscimento gira dentro l'edificio. In casa gira sul dispositivo. Le label eInk non ascoltano e non riprendono nulla: ricevono una pagina già impaginata e la mostrano.
Microfoni della postazioneAudio acquisito al bancone, sui due lati.
Thin clientDisplay da 8 pollici e modulo operatore da 5 pollici.
Rete locale dell'edificioNessun instradamento verso l'esterno.
Server on-premise, piattaforma NVIDIA CUDARiconoscimento, estrazione delle entità, traduzione e riepilogo.
Tutta l'inferenza avviene nell'edificio. Nessun audio, video o testo esce. Nessun collegamento internet richiesto.
Dispositivo casa
Uso personale, portatile.
Perimetro: il dispositivo
Microfoni integratiAcquisizione in ambiente domestico.
Edge AI, piattaforma Qualcomm DragonWingModelli eseguiti a bordo, sul processore neurale: riconoscimento e segmentazione dei parlanti.
Schermo e LED RGBTesto con un colore per voce, segnalazione dei suoni ambientali.
L'audio non lascia mai il dispositivo. Batteria integrata, nessun account, nessuna rete richiesta.
Label eInk
Case di riposo e spazi comuni.
Perimetro: il servizio e la struttura
Calendari ed e-mail della strutturaMenù, eventi, compleanni: le fonti che il personale già usa.
Il servizio impagina la paginaSceglie il template del gruppo e produce l'immagine.
La label la mostraRiceve l'immagine, la disegna e torna a dormire.
La label non elabora nulla e non ha né microfono né telecamera: mostra quello che la struttura già affigge in bacheca.
La parte AI
Il riconoscimento del parlato, dove serve.
Non tutte le nostre soluzioni hanno un modello dentro: le label eInk non ne hanno nessuno. Allo sportello e in casa sì, e la divisione del lavoro è sempre la stessa: il client cattura e mostra, non decide e non archivia.
Due client, due implementazioni
Allo sportello il client gira su ESP32, dentro i due display. In casa è un'applicazione Linux sul dispositivo stesso. In entrambi i casi fa le stesse tre cose: acquisisce audio e video — il video serve al riconoscimento della lingua dei segni — mostra il testo, accetta il tocco.
Dove c'è il server, i modelli sono più grandi
La postazione da sportello si appoggia al server on-premise, e questo permette modelli di riconoscimento più grandi: meno errori sulle parole e la punteggiatura al posto giusto. È la punteggiatura che rende un testo leggibile invece che da decifrare.
In casa, tutto a bordo
Sul dispositivo per la casa i modelli sono più snelli e più veloci: l'hardware edge AI esegue il riconoscimento, la segmentazione dei parlanti e, quando serve, il riconoscimento dei suoni ambientali. Meno parametri, latenza più bassa, nessun server da raggiungere.
Non un modello solo
Accanto al riconoscimento lavorano la segmentazione dei parlanti, l'estrazione delle entità — indirizzi, numeri di telefono, importi, date — e la traduzione. Il riepilogo di fine colloquio nasce da lì.
In valutazione: Auracast
Per musei, sale conferenze e aule stiamo valutando Auracast (Bluetooth LE Audio): una sola trasmissione che chiunque può ricevere sul proprio apparecchio acustico compatibile o in cuffia, senza accoppiamenti e senza chiedere niente a nessuno.
Modelli adattati al contesto
I modelli si addestrano sul vocabolario ricorrente del luogo: moduli, procedure, denominazioni interne vengono riconosciuti meglio di quanto farebbe un modello generico.
Conseguenze pratiche
Cosa comporta un'architettura locale.
Valgono per lo sportello e per la casa, dove gira l'inferenza.
Nessuna dipendenza da connettività
Il servizio non si ferma quando cade la linea, e non richiede banda garantita in sede.
Nessuna condivisione con terze parti
Non esiste un fornitore esterno che riceva l'audio o il testo, quindi non esiste un contratto da fidarsi.
Latenza prevedibile
Il percorso audio-testo resta dentro la rete locale, senza andata e ritorno verso un servizio remoto.
Ecosistema espandibile
Un server on-premise serve da due a sei postazioni: si aggiungono man mano che servono e, superate le sei, si affianca un secondo server senza rifare l'impianto.
Le label eInk
Carta elettronica: pigmento, non luce.
L'immagine è fatta di pigmento che riflette la luce della stanza, come l'inchiostro su un foglio, e resta ferma anche a corrente staccata. Da lì in poi la divisione del lavoro è netta: il servizio prepara la pagina, la label la mostra.
L'impaginazione sta a monte
Il layout viene composto una volta sola, sul server, e alla label arriva un'immagine finita. Cambiare grafica è un'operazione sul server: non c'è nessun aggiornamento da distribuire ai dispositivi.
Consuma solo quando cambia
La carta elettronica assorbe corrente nell'istante in cui l'immagine cambia; fra un aggiornamento e l'altro il dispositivo dorme. È questo che permette di alimentarla a batteria e di appenderla dove non c'è una presa.
Come si collegano
Le label usano il Wi-Fi della struttura. Per gli spazi che il Wi-Fi non copre — giardini, dipendenze — stiamo valutando una rete LoRa Meshtastic, che i dispositivi costruiscono fra loro senza appoggiarsi all'infrastruttura dell'edificio.
Componenti comuni
Le label sono costruite su ESP32 e Raspberry Pi Zero, con schermi a colori Spectra 6: componenti standard, documentati e reperibili.
Il muro resta leggibile anche offline
Se la rete cade, la label continua a mostrare l'ultima pagina ricevuta: la carta elettronica non consuma corrente per restare visibile.
La rete LoRa Meshtastic è in valutazione: non fa parte di quello che installiamo oggi.
