唇读”伴随人工智能已越来越精准

 　　将电视机调成“静音”模式后，你能“看懂”主持人说的话吗？在这个情景之内，你或许感觉这是一个游戏，但“唇读”已伴随人工智能越来越精准。

 

　　据BBC报道，谷歌最近与英国牛津大学合作开发了一套唇读软件，通过收看数千小时BBC的电视节目来开启唇读功能。令人震惊的是，该软件不仅掌握了唇语，还比唇读专家做得好。

 

　　此前，英国皇家检察院雇佣“读唇女王”杰西卡·里斯为英国唯一的官方唇读证人，根据英国警方用监控摄像机偷拍下来的嫌犯录像，用唇读翻译出录像带中嫌犯的对话，提供至关紧要的证据。她熟练高超的唇读技术，让人很难发现她是一名耳聋者。

 

 

　　值得一提的是，谷歌的人工智能唇读软件，学习了BBC一系列的电视节目，所有视频资料加起来约有 11.8 万句话，经过了约5000小时的训练，便迅速掌握了唇读技能。研究人员用人工智能软件对电视节目嘉宾进行唇语解读，准确率为46.8%，而专业的唇语专家在接受同样的测试时，准确率仅为12.4%。

 

　　无独有偶，牛津大学的另一独立小组也于不久前开发了一款类似的人工智能唇读软件，在测试中达到了93.4％的准确率，而人类的准确率仅为52.3％。但该测试所用的材料均为志愿者事先录制好的固定句子，没有任何复杂的事件背景可言。以测试视频当中的单词为例，这款类似的人工智能唇读的软件中有51个特殊词汇，而此次谷歌选取的BBC节目数据库却包含了惊人的17500个特殊词汇。在没有任何背景介绍的情况下直接对BBC节目的嘉宾进行唇语解读，如果完全采用人工，工作量之大无法想象，因此对于人工智能而言是一个巨大的挑战。

 

　　为了避免视频流与音频流不同步的障碍，团队采取了让计算机先学会完全同步的音视频流，掌握发音与唇形间的关联，进而自行推断音视频流中哪些画面是不同步的，再进行自动修正。

 

　　来自牛津大学里普耐特研究团队的阿萨埃尔对此技术的评价是：“我们相信人工智能唇读技术是一种非常实用的辅助性技术，比如更智能的助听器。此外，人工智能技术还可应用于外交、破案等领域，甚至可能在普及之后改变人们的生活。

 

　　人工智能业内专家称：“这绝对是建构全自动唇读系统的第一步！现有的各类庞大数据库完全可以支持深度学习技术的发展。”