人工智能软件唇语解读对电视嘉宾 准确率约为唇语专家4倍_昨天刚刚Switch最新消息 你或许感受这是一个游戏

资料图片

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，你或许感受这是一个游戏，但“唇读”已伴随AI越来越精准。

据BBC报导，谷歌最近与英国牛津大学兴办开发了一套唇读使用，昨天刚刚Switch经由收看数千小时BBC的电视栏目来开启唇读特性。令人震惊的是，该使用不只掌握了唇语，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·里斯为英国唯一的权威唇读证人，依据英国警方用监控摄像机偷拍下来的官方金秀贤观察嫌犯录像，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，让人很难察觉她是一名耳聋者。

值得一提的是，谷歌的突发直播动态攻略AI唇读使用，进修了BBC一系列的电视栏目，所有影像资料加起来约有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。探究人员用AI使用对电视栏目嘉宾开展唇语确认，精确率为46.8%，业内国产电影汇总而专业的唇语专家在接纳同样的评测时，精确率仅为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相似的AI唇读使用，在评测中达到了93.4％的精确率，而人类的精确率仅为52.3％。但该评测所用的材料均为志愿者事先录制好的固定语句，没有任何繁琐的事情背景可言。以评测影像当中的单词为例，这款相似的AI唇读的使用中有51个特别词汇，而此次谷歌选取的BBC栏目资料库却包含了惊人的17500个特别词汇。在没有任何背景说明的状况下直接对BBC栏目的嘉宾开展唇语确认，假如完全使用人工，岗位量之大无法想象，所以针对AI而言是一个巨大的考验。

以便避免影像流与音频流各异步的障碍，团队采取了让计算机先学会完全同步的音影像流，掌握发音与唇形间的关联，进而自行推断音影像流中哪些画面是各异步的，再开展自动修正。

来自牛津大学里普耐特探究团队的阿萨埃尔对此技术的点评是：“我们相信AI唇读技术是一种相当实用的辅助性技术，比如更智能的助听器。另外，AI技术还可使用于外交、破案等领域，乃至或许在使用之后改变人们的日常。

AI业内专家称：“这绝对是建构全自动唇读操控系统的第一步！现有的各类庞大资料库完全可以扶持深度进修技术的进展。”