動(dòng)動(dòng)嘴就知道你在說(shuō)什么，國(guó)內(nèi)知名互聯(lián)網(wǎng)公司搜狗推出的中文“唇語(yǔ)識(shí)別”技術(shù)近期在烏鎮(zhèn)引起廣泛關(guān)注，秒殺一眾黑科技。筆者通過(guò)搜狗方面了解到，搜狗推出的這種人機(jī)交互新技術(shù)——“唇語(yǔ)識(shí)別”，是業(yè)內(nèi)首個(gè)公開(kāi)演示的“唇語(yǔ)識(shí)別”系統(tǒng)，通過(guò)機(jī)器視覺(jué)識(shí)別，不用聽(tīng)聲音，僅靠識(shí)別說(shuō)話(huà)人唇部動(dòng)作，就能解讀說(shuō)話(huà)者所說(shuō)的內(nèi)容。

在談到為什么要推出這項(xiàng)技術(shù)時(shí)，搜狗方面表示，搜狗研發(fā)唇語(yǔ)識(shí)別的初衷是因?yàn)樗压匪阉骱洼斎敕ㄆ鋵?shí)都是在和語(yǔ)言打交道。一方面是幫助人們用語(yǔ)音表達(dá)，另一方面是通過(guò)語(yǔ)言獲取互聯(lián)網(wǎng)上的信息。語(yǔ)音正逐漸成為主流的人機(jī)交互方式，但是在一些嘈雜，甚至無(wú)聲的環(huán)境里，語(yǔ)音所能發(fā)揮的作用是有限的，這種情況下，我們就需要發(fā)展基于視覺(jué)的識(shí)別能力。

業(yè)內(nèi)認(rèn)為，上市后的搜狗，隨著其不斷地深耕人工智能領(lǐng)域的技術(shù)研發(fā)，會(huì)逐漸形成差異化競(jìng)爭(zhēng)，而搜狗在人工智能上的探索也并不會(huì)止步于此，圍繞著語(yǔ)音交互入口等多形態(tài)的人機(jī)交互方式，搜狗會(huì)在更多領(lǐng)域有進(jìn)一步的進(jìn)展。目前搜狗技術(shù)落地的產(chǎn)品主要包括搜狗輸入法、搜狗同傳、搜狗聽(tīng)寫(xiě)等產(chǎn)品。

垂直場(chǎng)景下達(dá)到90%準(zhǔn)確率

從鍵盤(pán)打字到觸控屏，再到現(xiàn)在的語(yǔ)音交互和手勢(shì)交互，人工智能技術(shù)的發(fā)展，正在促使人機(jī)交互方式向更加多元化方向變革。據(jù)了解，與語(yǔ)音識(shí)別不同，“唇語(yǔ)識(shí)別”是一項(xiàng)基于機(jī)器視覺(jué)與自然語(yǔ)言處理于一體的技術(shù)，因此在研發(fā)難度上比語(yǔ)音識(shí)別大得多。

經(jīng)過(guò)一年多的研發(fā)和反復(fù)修改，目前，在非特定人開(kāi)放口語(yǔ)測(cè)試上，搜狗唇語(yǔ)識(shí)別系統(tǒng)已經(jīng)達(dá)到60%以上的準(zhǔn)確率，超過(guò)google發(fā)布的英文唇語(yǔ)系統(tǒng)50%以上的準(zhǔn)確率，在垂直場(chǎng)景如車(chē)載、智能家居等場(chǎng)景下甚至已經(jīng)達(dá)到90%的準(zhǔn)確率。

據(jù)悉，搜狗首創(chuàng)了復(fù)雜端到端深度神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行中文唇語(yǔ)序列建模，通過(guò)數(shù)千小時(shí)的真實(shí)唇語(yǔ)數(shù)據(jù)訓(xùn)練。陳偉介紹，搜狗“唇語(yǔ)識(shí)別”技術(shù)通過(guò)10萬(wàn)以上的中文詞訓(xùn)練數(shù)據(jù)，而google英文唇語(yǔ)系統(tǒng)只有1萬(wàn)7000多詞匯。另外，還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)界領(lǐng)先的唇語(yǔ)識(shí)別效果。

在剛結(jié)束不久的烏鎮(zhèn)世界互聯(lián)網(wǎng)大會(huì)上，搜狗唇語(yǔ)識(shí)別技術(shù)亮相，在業(yè)內(nèi)大多數(shù)唇語(yǔ)識(shí)別技術(shù)實(shí)用性尚待考證的環(huán)境下，成功完成了業(yè)內(nèi)首個(gè)中文唇語(yǔ)識(shí)別系統(tǒng)的公開(kāi)演示，引起廣泛關(guān)注。

AI發(fā)展助推多元交互方式

當(dāng)國(guó)內(nèi)大部分企業(yè)都扎堆聚集在智能語(yǔ)音、圖像識(shí)別等領(lǐng)域時(shí)，搜狗唇語(yǔ)識(shí)別技術(shù)的推出無(wú)疑將引領(lǐng)整個(gè)行業(yè)進(jìn)入一個(gè)全新的發(fā)展方向。

作為人機(jī)交互的形式之一，未來(lái)唇語(yǔ)識(shí)別技術(shù)可以輔助語(yǔ)音交互及圖像識(shí)別，在日常生活、安防、公益等各個(gè)領(lǐng)域?qū)崿F(xiàn)廣泛應(yīng)用。比如在車(chē)載場(chǎng)景下，周?chē)胍暨^(guò)大時(shí)會(huì)對(duì)語(yǔ)音指令產(chǎn)生干擾，通過(guò)唇語(yǔ)識(shí)別技術(shù)則可以規(guī)避干擾，保證人車(chē)交互的準(zhǔn)確性和穩(wěn)定性，日常不便發(fā)聲的公共場(chǎng)所也可以保證說(shuō)話(huà)內(nèi)容的私密性。

而在安防領(lǐng)域，“唇語(yǔ)識(shí)別”更能發(fā)揮價(jià)值，尤其是在攝像頭場(chǎng)景下的語(yǔ)音獲取存在盲區(qū)的情況下。據(jù)陳偉介紹，由于目前多數(shù)監(jiān)控只有攝像頭沒(méi)有麥克風(fēng)，攝像頭獲取數(shù)據(jù)單一，沒(méi)有音頻錄入，往往只能看清嘴型卻不知道在說(shuō)什么，給案情分析帶來(lái)很多難題?，F(xiàn)在技術(shù)多集中于圖像分析，集中于人臉或者行人檢測(cè)、監(jiān)控等，也缺乏對(duì)用戶(hù)信息直接獲取的方式，而唇語(yǔ)識(shí)別技術(shù)可以幫助公安人員獲取重要的講話(huà)信息，為公共安全提供有效支持。

除此之外，唇語(yǔ)識(shí)別技術(shù)還能發(fā)揮巨大的公益價(jià)值，幫助先天性聽(tīng)障人群或老年人，讓他們更好地理解和表達(dá)自己。

作為一家技術(shù)驅(qū)動(dòng)型的企業(yè)，近年來(lái)搜狗一直致力于自然語(yǔ)言的研究，目前在語(yǔ)音識(shí)別、語(yǔ)義理解、機(jī)器翻譯等方面均取得了行業(yè)領(lǐng)先的成果并實(shí)現(xiàn)產(chǎn)品落地，此次推出唇語(yǔ)識(shí)別技術(shù)，不僅會(huì)推動(dòng)整個(gè)AI行業(yè)的技術(shù)革新，也意味著搜狗在AI領(lǐng)域的技術(shù)實(shí)力達(dá)到了更高的發(fā)展水平。

此前，人工智能專(zhuān)家搜狗CEO王小川在烏鎮(zhèn)的演講中論述了人工智能與連接的關(guān)系。他指出，人工智能目前的核心價(jià)值，是幫助人們進(jìn)行決策。加入了人工智能的決策，人和人、人和信息、人和交易以及人和服務(wù)都能夠更加精準(zhǔn)地連接。

時(shí)至今日，人工智能的發(fā)展速度已經(jīng)完全超出了我們的想象，那些電影里的炫酷黑科技正在一步步成為現(xiàn)實(shí)，出現(xiàn)在我們的生活中。隨著AI技術(shù)的發(fā)展，相信在不遠(yuǎn)的將來(lái)，唇語(yǔ)識(shí)別也能像語(yǔ)音識(shí)別、圖像識(shí)別一樣成為我們生活中隨處可見(jiàn)的一部分。