今天,搜狗推出新一代人机交互——“唇语识别”,顾名思义,就是能识别人的唇部动作,来解读说话者所说的内容。
搜狗表示,通过复杂端到端深度神经网络技术进行中文唇语序列建模,经过数千小时的真实唇语数据训练,终于取得了唇语识别效果。
在非特定人开放口语测试集上,该系统达到60%以上的准确率,超过google发布的英文唇语系统50%以上的准确率。在垂直场景如车载、智能家居等场景下甚至已经达到90%的准确率。
未来唇语识别技术可以辅助语音交互及图像识别,日常周围噪音过大或不便发声的场所更加适用,既能保证识别准确性和稳定性,也可以保证说话内容的私密性。
此外,唇语识别技术可以帮助公安人员获取无声视频中重要的讲话信息,还能帮助先天性听障人群。