科學家研發(fā)人工智能聲吶眼鏡：可識別唇語，準確率達 95%

IT之家 4 月 10 日消息，美國康奈爾大學的研究人員開發(fā)了一種新技術，可以通過聲納眼鏡進行無聲溝通。這種眼鏡利用微型揚聲器和麥克風來讀取佩戴者默念的單詞，從而可以在不需要物理輸入的情況下執(zhí)行各種任務。

這項技術由康奈爾大學的博士生張瑞東（音譯）領導開發(fā)，是在一個類似的項目的基礎上進行的改進，該項目使用了一個無線耳機，而之前的模型則依賴于攝像頭。

據(jù)IT之家了解，該聲納眼鏡使用一種名為 EchoSpeech 的無聲語音識別接口，利用聲納來感知嘴部運動，同時使用一個深度學習算法實時分析回波特征。這使得系統(tǒng)能夠以約 95% 的準確率識別佩戴者默念的單詞。

這項技術最令人興奮的前景之一是，對于有語言障礙的人來說，可以使用它來無聲地將對話輸入到語音合成器中，然后將單詞大聲說出來。眼鏡也可以用來在安靜的圖書館中控制音樂播放，或者在嘈雜的音樂會上口述信息。

該技術既小巧又低功耗，也不會侵犯隱私，因為沒有數(shù)據(jù)離開用戶的手機。這樣，就不會有隱私方面的擔憂。眼鏡佩戴非常方便，比其他可用的無聲語音識別技術更實用、更可行。

研究人員表示，該系統(tǒng)只需要幾分鐘的訓練數(shù)據(jù)來學習用戶的語音模式，學習完成后，就可以朝用戶的臉上發(fā)送和接收聲波，感知嘴部運動，同時使用深度學習算法分析回波特征。該系統(tǒng)目前能夠識別 31 個孤立的命令和一串連續(xù)的數(shù)字，并且錯誤率低于 10%。

該系統(tǒng)目前的版本提供了大約 10 小時的電池續(xù)航，并且可以通過藍牙無線地與用戶的智能手機通信。智能手機負責處理和預測所有數(shù)據(jù)，并將結果傳輸?shù)揭恍皠幼麈I”，讓它可以播放音樂、與智能設備交互或激活語音助手。

康奈爾大學智能計算機接口未來交互（SciFi）實驗室正在利用康奈爾大學的一個資助計劃來探索將這項技術商業(yè)化的可能性。