人工智能又有新突破 搜狗推出“唇语识别”技术

从键盘打字到触控屏，再到现在的语音交互和手势交互，人工智能技术的发展正在促使人机交互方式向更加多元化方向变革。日前，搜狗又推出一种人机交互新技术——唇语识别，这也是业内首个公开演示的唇语识别系统。通过机器视觉识别，不用听声音，仅靠识别说话人唇部动作，就能解读说话者所说的内容。

与语音识别不同，唇语识别是一项基于机器视觉与自然语言处理于一体的技术，因此在研发难度上比语音识别大得多。搜狗首创了复杂端到端深度神经网络技术进行中文唇语序列建模，通过数千小时的真实唇语数据训练而成。

在非特定人开放口语测试集上，搜狗唇语识别系统已经达到60%以上的准确率，超过Google发布的英文唇语系统50%以上的准确率。在垂直场景如车载、智能家居等场景下，搜狗唇语识别系统甚至已经达到90%的准确率。搜狗唇语识别技术也在第四届世界互联网大会上亮相，引起广泛关注。

当国内大部分企业都扎堆聚集在智能语音、图像识别等领域时，搜狗唇语识别技术的推出将引领整个行业进入一个全新的发展方向。作为人机交互的形式之一，未来唇语识别技术可以辅助语音交互及图像识别，在日常生活、安防、公益等各个领域实现广泛应用。例如在车载场景下，周围噪音过大时会对语音指令产生干扰，通过唇语识别技术则可以规避干扰，保证人车交互的准确性和稳定性。在安防领域，由于目前多数监控只有摄像头没有麦克风，给案情分析带来很多难题，唇语识别技术可以帮助公安人员获取重要的讲话信息，为公共安全提供有效支持。此外，唇语识别技术还能发挥巨大的公益价值，帮助先天性听障人群或老年人，让他们更好地理解和表达自己。此外，在日常不便发声的公共场所也可以保证说话内容的私密性。