昨天,搜狗推出新一代人机交互——“唇语识别”,能识别人的唇部动作,动动嘴皮,不发出声音,就能识别你说的什么。
今天我们见到了演示视频,从视频中可以看出将面部放入椭圆形区域内,不发声的说出一段话,几乎说完的瞬间,识别的文字就出现在屏幕上,无论是口语、诗词、歌词还是绕口令,都能很好的识别。
同时,在屏幕右下角,我们能看到唇语识别类似面部识别,通过检测嘴唇多个部位点的动作,进行语意的识别。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。
根据官方数据,搜狗唇语识别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。