搜狗推出＂唇語(yǔ)辨認(rèn)＂技能 打造多形狀的人機(jī)交互

從鍵盤打字到觸控屏，再到現(xiàn)在的語(yǔ)音交互和手勢(shì)交互， 人工智能技能 的開展，正在促進(jìn)人機(jī)交互方法向愈加多元化方向革新。而今日，國(guó)內(nèi)聞名互聯(lián)網(wǎng)公司搜狗又推出了一種人機(jī)交互新技能——唇語(yǔ)辨認(rèn)，這也是業(yè)界首個(gè)揭露演示的唇語(yǔ)辨認(rèn)體系，經(jīng)過機(jī)器視覺辨認(rèn)，不必聽聲響，僅靠辨認(rèn)說話人唇部動(dòng)作，就能解讀說話者所說的內(nèi)容。

與語(yǔ)音辨認(rèn)不同，唇語(yǔ)辨認(rèn)是一項(xiàng)基于機(jī)器視覺與自然語(yǔ)言處理于一體的技能，因此在研發(fā)難度上比語(yǔ)音辨認(rèn)大得多。據(jù)悉，搜狗首創(chuàng)了雜亂端到端深度神經(jīng)網(wǎng)絡(luò)技能進(jìn)行中文唇語(yǔ)序列建模，經(jīng)過數(shù)千小時(shí)的實(shí)在唇語(yǔ)數(shù)據(jù)練習(xí)，別的得益于搜狗在自然語(yǔ)言處理方面的強(qiáng)大優(yōu)勢(shì)，最終取得了業(yè)界搶先的唇語(yǔ)辨認(rèn)作用。在非特定人敞開白話測(cè)驗(yàn)集上，搜狗唇語(yǔ)辨認(rèn)體系現(xiàn)已到達(dá)60%以上的準(zhǔn)確率，超越google發(fā)布的英文唇語(yǔ)體系50%以上的準(zhǔn)確率，在垂直場(chǎng)景如車載、 智能家居 等場(chǎng)景下乃至現(xiàn)已到達(dá)90%的準(zhǔn)確率。在剛完畢不久的烏鎮(zhèn)國(guó)際互聯(lián)網(wǎng)大會(huì)上，搜狗唇語(yǔ)辨認(rèn)技能露臉，在業(yè)界大大都唇語(yǔ)辨認(rèn)技能實(shí)用性尚待考證的環(huán)境下，成功完成了業(yè)界首個(gè)中文唇語(yǔ)辨認(rèn)體系的揭露演示，引起廣泛重視。
當(dāng)國(guó)內(nèi)大部分企業(yè)都扎堆集合在智能語(yǔ)音、圖像辨認(rèn)等范疇時(shí)，搜狗唇語(yǔ)辨認(rèn)技能的推出無(wú)疑將引領(lǐng)整個(gè)職業(yè)進(jìn)入一個(gè)全新的開展方向。作為人機(jī)交互的形式之一，未來(lái)唇語(yǔ)辨認(rèn)技能能夠輔助語(yǔ)音交互及圖像辨認(rèn)，在日常日子、安防、公益等各個(gè)范疇完成廣泛應(yīng)用。比如在車載場(chǎng)景下，周圍噪音過大時(shí)會(huì)對(duì)語(yǔ)音指令產(chǎn)生攪擾，經(jīng)過唇語(yǔ)辨認(rèn)技能則能夠規(guī)避攪擾，確保人車交互的準(zhǔn)確性和穩(wěn)定性，日常不方便發(fā)聲的公共場(chǎng)所也能夠確保說話內(nèi)容的私密性；在安防范疇，因?yàn)楝F(xiàn)在大都監(jiān)控只要攝像頭沒有麥克風(fēng)，往往只能看清嘴型卻不知道在說什么，給案情剖析帶來(lái)很多難題，而唇語(yǔ)辨認(rèn)技能能夠協(xié)助公安人員獲取重要的說話信息，為公共安全供給有用支撐。除此之外，唇語(yǔ)辨認(rèn)技能還能發(fā)揮巨大的公益價(jià)值，協(xié)助先天性聽障人群或老年人，讓他們更好地了解和表達(dá)自己。
作為一家技能驅(qū)動(dòng)型的企業(yè)，近年來(lái)搜狗一向致力于自然語(yǔ)言的研討，現(xiàn)在在語(yǔ)音辨認(rèn)、語(yǔ)義了解、機(jī)器翻譯等方面均取得了職業(yè)搶先的成果并完成產(chǎn)品落地，此次推出唇語(yǔ)辨認(rèn)技能，不只會(huì)推進(jìn)整個(gè)AI職業(yè)的技能革新，也意味著搜狗在AI范疇的技能實(shí)力到達(dá)了更高的開展水平。
時(shí)至今日， 人工智能 的開展速度現(xiàn)已徹底超出了我們的想象，那些電影里的炫酷黑科技正在一步步成為實(shí)際出現(xiàn)在我們的日子中。跟著AI技能的開展，信任在不遠(yuǎn)的將來(lái)，唇語(yǔ)辨認(rèn)也能像語(yǔ)音辨認(rèn)、圖像辨認(rèn)一樣成為我們?nèi)兆又须S處可見的一部分。