金磊 發(fā)自 凹非寺

量子位 | 公眾號(hào) QbitAI

這，或許是現(xiàn)在跟Siri交流最潮的方式了——

只需要?jiǎng)觿?dòng)嘴皮子，就能讓它under你的control。

沒錯(cuò)，就是不需要出任何聲音的那種。

這就是來自康奈爾華人團(tuán)隊(duì)的最新研究成果SpeeChin，無聲語(yǔ)音識(shí)別。

像這樣：

在沒有聲音的情況下，你能猜出來他在說什么嗎（文末揭曉答案

）？

但在SpeeChin的加持下，現(xiàn)在的Siri、Alexa等就已經(jīng)可以識(shí)別，而且還支持普通話和英文！

是有種“此時(shí)無聲勝似有聲”的感覺了。

不說話，怎么控制語(yǔ)音助手？

康奈爾團(tuán)隊(duì)研發(fā)的SpeeChin，其實(shí)是一條神奇的項(xiàng)鏈。

戴上這條項(xiàng)鏈，就能開啟無聲語(yǔ)音控制的大門了。

例如對(duì)著電腦默念一句“Next”，音樂就會(huì)自動(dòng)切換成下一首歌：

或許你會(huì)說一個(gè)單詞過于簡(jiǎn)單了，別急，現(xiàn)在就來加大難度：

“Switch to Taylor Swift.”

可見，SpeeChin即便是面對(duì)一句完整的話術(shù)，也可以做到精準(zhǔn)識(shí)別。

而這條“無聲識(shí)別”項(xiàng)鏈的關(guān)鍵，就在于安裝在項(xiàng)鏈下方的紅外攝像機(jī)。

它可以捕捉到人物頸部和面部皮膚的變形圖像，從而進(jìn)行分析識(shí)別工作，確定從“嘴皮子”傳達(dá)的是什么命令。

而且這條項(xiàng)鏈不僅能無聲識(shí)別英文，連中文（普通話）也能夠hold住。

在最初的實(shí)驗(yàn)中，有20人參與到了測(cè)試中，其中10人講英文，另外10人說普通話。

研究人員讓測(cè)試者分別用英文和中文發(fā)出數(shù)十條指令，包括數(shù)字、互動(dòng)指令、語(yǔ)音輔助指令、標(biāo)點(diǎn)指令和導(dǎo)航指令。

最后的實(shí)驗(yàn)結(jié)果，“無聲識(shí)別”的準(zhǔn)確率分別達(dá)到了90.5%和91.6%。

來自康奈爾大學(xué)的華人團(tuán)隊(duì)

這項(xiàng)研究來自康奈爾大學(xué)，一作是Ruidong Zhang。

其中，Cheng Zhang是這項(xiàng)研究的通訊作者。

他是康奈爾大學(xué)信息科學(xué)系的助理教授，他的研究聚焦在如何獲取人體及其周圍的信息，以應(yīng)對(duì)各種應(yīng)用領(lǐng)域中的現(xiàn)實(shí)世界挑戰(zhàn)，如交互、健康感知和活動(dòng)識(shí)別。

研究的一作Ruidong Zhang，他是Cheng Zhang教授的一名博士生，本科畢業(yè)于清華大學(xué)。

他的研究興趣在于人機(jī)交互和普適計(jì)算（ubiquitous computing），特別是建立新型的可穿戴設(shè)備，用來促進(jìn)互動(dòng)體驗(yàn)并加深我們對(duì)人類行為的理解。

至于為什么他們要做SpeeChin這項(xiàng)工作，據(jù)Ruidong Zhang解釋：

主要是考慮到在某些特定場(chǎng)合中，人們可能不適合發(fā)出聲音；還考慮到一些不能說話的人群。

最后，來揭曉一下開頭GIF的答案：

你猜對(duì)了嗎？

參考鏈接：

[1]https://techxplore.com/news/2022-02-smart-necklace-silent-english-mandarin.html

[2]https://www.youtube.com/watch?v=pDf86dSPYYI

[3]https://infosci.cornell.edu/content/zhang-0

[4]https://infosci.cornell.edu/content/zhang-1

本文首發(fā)于微信公眾號(hào)：量子位。文章內(nèi)容屬作者個(gè)人觀點(diǎn)，不代表和訊網(wǎng)立場(chǎng)。投資者據(jù)此操作，風(fēng)險(xiǎn)請(qǐng)自擔(dān)。

關(guān)鍵詞：