科學家研發人工智能聲吶眼鏡：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，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，因為沒有數據離開用戶的手機。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，該系統只需要幾分鐘的訓練數據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。該系統目前能夠識別 31 個孤立的命令和一串連續的數字，并且錯誤率低于 10%。

該系統目前的版本提供了大約 10 小時的電池續航，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據，并將結果傳輸到一些“動作鍵”，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化的可能性。