谷歌人工智慧再次完爆人類，讀取唇語水平秒殺專家！

點擊播放 GIF/853K

很多武俠小說或者電視里的武俠高手總會一個特殊的技能——讀唇語。其實在我們現實世界中，讀唇語這項技能也是真實存在的。

不過讀唇語的難度是很高的，不僅因為人的嘴唇、舌頭和牙齒的運動較為輕微輕微，而且大多數唇語信號十分隱晦，難以在沒有語境的情況下分辨。哪怕是專業的唇讀者的精確度也只有20%-60%。

人工智慧通過大數據處理，已將語音識別發展到非常接近人類的水準，那麼AI技術是不是也能運用到讀唇語上？

當然能。來自牛津大學、谷歌DeepMind以及加拿大高級研究所的研究員，在ICLR機器學習學術會議上提交的論文宣布，他們開發的神經網路LipNet——一個使用深度學習的唇讀程序，能夠解決這個問題。

LipNet能夠通過分析視頻中人物的「時空視覺特徵」，來解讀所說的話。它在測試中實現了93.4%的準確率，遠超於人類專業唇讀者的準確率。即使在目前的初級階段，LipNet也能很快地將無聲視頻處理為文本，幾乎接近於實時。

研究人員稱：「機器唇讀有巨大的應用潛力，可應用於改善助聽器、公共場所的無聲聽寫、秘密談話、嘈雜環境中的語音識別、生物識別以及電影默片處理等。」

點擊播放 GIF/820K

研究人員利用網格語料庫（GRID corpus）訓練和測試LipNet。這個語料庫中有一系列音頻和視頻，包括34名演講者每人講的1000句話。這些句子都有「簡單語法」的結構」：命令(4)+顏色(4)+介詞(4)+字母(25)+數字(10)+副詞(4)。

括弧中的數字代表每個類別可選單詞的數量，這意味著它們共可以組成64000萬個句子。由於許多文件已經丟失或損壞，現在還有13名演講者說出的32829個句子。

LipNet需要大量的訓練才能達到如今的精準程度。這些視頻中，約88%被用於訓練LipNet，12%則用於對其進行測試。LipNet專註於演講者說話時的口型變化，並將其分解成圖像幀。

點擊播放 GIF/875K

然後這些信息被饋送到神經網路中，通過多層分析將嘴部運動映射為音素，以語音學出辭彙和句子。

如果擔心被監控系統讀取秘密對話內容的人來說，還不必感到驚慌。極為精確的唇讀十分罕見，目前大多數情況都是有限的辭彙被串聯成句，而且它們往往沒有任何意義。

在LipNet能夠處理兩個人之間真正的、正常的對話之前，還有很長的路要走。這需要極大的的數據量用於訓練以處理重音和不同語言。

如果還是擔心被監控泄露秘密

那就戴個面具說話吧

點擊播放 GIF/6K

編後註：LipNet項目由谷歌DeepMind贊助，但LipNet所有版權均歸屬牛津大學所有。

資料來源：The Register / The Verge / Quartz

轉載須知

個人分享至朋友圈無需授權

未經授權的小夥伴會被舉報哦

TAG:創客星球 |

※外星文明科技水平遠超人類，最終毀在自己研製的機器人手中！
※人工智慧「再下一城」 機器翻譯水平已超95％人類
※人工智慧水平能否支撐起六代機時代的無人空戰？
※除人類外智力水平最高的生物：人類的近親黑猩猩！
※蘋果Siri創始人：人工智慧可提升人類認知水平
※中國無人機技術已達先進水平，專家稱或將佔據無人機大市場
※一個人思維的水平，取決於他的分類能力
※李彦宏：人工智能永远达不到人脑的水平
※全世界都嘲笑，八年傷亡百萬人，先進武器打低水平戰爭，差點亡國
※無人機終於接近了俄軍水平？專家稱中國產品可分分鐘打臉
※怎樣提升人工智慧的「道德水平」
※榜眼必成水貨？近十年皆無打出水平，翻版喬丹泯然眾人
※好捉急！眼看中國人的英語水平超過了自己，日本人操碎了心
※吉人寡語，貴人言慢，水平流緩，心平不語
※好捉急！眼看中國人的英語水平超過了自己 日本人操碎了心
※人工智慧AI水平上升到了新高度 聊天機器人或取代應用程序
※中國製造業工資水平10年翻番 機器人勢將取代工人
※中國最大對手高端武器水平已經遙遙領先？專家的話讓國人激動萬分
※水星星座影響一個人的智力水平，你知道自己的智力水平嗎？