據(jù)BBC報道，谷歌最近與英國牛津大學(xué)合作開發(fā)了一套唇讀軟件，通過收看數(shù)千小時BBC的電視節(jié)目來開啟唇讀功能。令人震驚的是，該軟件不僅掌握了唇語，還比唇讀專家做得好。

 

　　此前，英國皇家檢察院雇傭“讀唇女王”杰西卡·里斯為英國唯一的官方唇讀證人，根據(jù)英國警方用監(jiān)控攝像機偷拍下來的嫌犯錄像，用唇讀翻譯出錄像帶中嫌犯的對話，提供至關(guān)緊要的證據(jù)。她熟練高超的唇讀技術(shù)，讓人很難發(fā)現(xiàn)她是一名耳聾者。

 

 

　　值得一提的是，谷歌的人工智能唇讀軟件，學(xué)習(xí)了BBC一系列的電視節(jié)目，所有視頻資料加起來約有 11.8 萬句話，經(jīng)過了約5000小時的訓(xùn)練，便迅速掌握了唇讀技能。研究人員用人工智能軟件對電視節(jié)目嘉賓進(jìn)行唇語解讀，準(zhǔn)確率為46.8%，而專業(yè)的唇語專家在接受同樣的測試時，準(zhǔn)確率僅為12.4%。

 

　　無獨有偶，牛津大學(xué)的另一獨立小組也于不久前開發(fā)了一款類似的人工智能唇讀軟件，在測試中達(dá)到了93.4％的準(zhǔn)確率，而人類的準(zhǔn)確率僅為52.3％。但該測試所用的材料均為志愿者事先錄制好的固定句子，沒有任何復(fù)雜的事件背景可言。以測試視頻當(dāng)中的單詞為例，這款類似的人工智能唇讀的軟件中有51個特殊詞匯，而此次谷歌選取的BBC節(jié)目數(shù)據(jù)庫卻包含了驚人的17500個特殊詞匯。在沒有任何背景介紹的情況下直接對BBC節(jié)目的嘉賓進(jìn)行唇語解讀，如果完全采用人工，工作量之大無法想象，因此對于人工智能而言是一個巨大的挑戰(zhàn)。

 

　　為了避免視頻流與音頻流不同步的障礙，團隊采取了讓計算機先學(xué)會完全同步的音視頻流，掌握發(fā)音與唇形間的關(guān)聯(lián)，進(jìn)而自行推斷音視頻流中哪些畫面是不同步的，再進(jìn)行自動修正。

 

　　來自牛津大學(xué)里普耐特研究團隊的阿薩埃爾對此技術(shù)的評價是：“我們相信人工智能唇讀技術(shù)是一種非常實用的輔助性技術(shù)，比如更智能的助聽器。此外，人工智能技術(shù)還可應(yīng)用于外交、破案等領(lǐng)域，甚至可能在普及之后改變?nèi)藗兊纳睢?/div>