看了數(shù)千小時(shí)電視節(jié)目后 谷歌AI軟件擁有最強(qiáng)讀唇術(shù)

近日，谷歌 AI 部門 DeepMind 和牛津大學(xué)的研究人員使用人工智能創(chuàng)建了迄今為止最準(zhǔn)確的一款讀唇軟件。

利用 BBC 數(shù)千小時(shí)的電視節(jié)目，研究人員將 AI 軟件對(duì)電視節(jié)目嘉賓唇語(yǔ)解讀的準(zhǔn)確率提升到了 46.8%。這一數(shù)字乍看上去十分不起眼，尤其在與 AI 軟件語(yǔ)音識(shí)別準(zhǔn)確率進(jìn)行比較后更是如此，但要指出的是，即便是專業(yè)的唇語(yǔ)專家在接受同樣的測(cè)試時(shí)，準(zhǔn)確率僅為 12.4%。

值得一提的是，牛津大學(xué)的另一獨(dú)立小組也于不久前開(kāi)發(fā)了一款類似的 AI 讀唇軟件。這個(gè)名叫 LipNet 的讀唇軟件，在測(cè)試中達(dá)到了 93.4％ 的準(zhǔn)確性，而人類的準(zhǔn)確性則為 52.3％。但該測(cè)試所用的材料均為志愿者事先錄制好的固定句子，沒(méi)有任何復(fù)雜的事件背景可言。

而此次谷歌 DeepMind 部門研發(fā)的“Watch, Listen, Attend, and Spell”AI 軟件所進(jìn)行的測(cè)試則更具挑戰(zhàn)性，在沒(méi)有任何背景介紹的情況下直接對(duì) BBC 節(jié)目嘉賓唇語(yǔ)進(jìn)行解讀。

該軟件用于讀唇術(shù)訓(xùn)練的電視節(jié)目視頻時(shí)長(zhǎng)累計(jì)超過(guò)了 5000 小時(shí)，包括近 12 萬(wàn)個(gè)不同的句子和約 1.7 萬(wàn)個(gè)獨(dú)特的單詞，相比之下 LipNet 軟件的測(cè)試視頻僅有 51 個(gè)獨(dú)特的單詞。

至于 AI 讀唇軟件的應(yīng)用，很多人第一時(shí)間想到的便是監(jiān)控視頻的唇語(yǔ)解讀。研究人員表示，監(jiān)控視頻的分辨率將對(duì) AI 軟件的讀唇準(zhǔn)確度有很大影響，但人工智能會(huì)將這一差距慢慢縮小。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。