讀唇語軟件識(shí)別準(zhǔn)確率遠(yuǎn)超人類

“動(dòng)動(dòng)嘴皮子”,，AI就能知道你在說啥

可以想見，由于公益,、公共安全,、國家安全等領(lǐng)域巨大的潛在需求的牽引，以及AI技術(shù)飛速發(fā)展的強(qiáng)力推動(dòng)作用,，在不久的將來,，AI讀唇語有望實(shí)現(xiàn)快速推廣與深度普及，產(chǎn)業(yè)前景十分可期,。

——閆懷志 北京理工大學(xué)計(jì)算機(jī)學(xué)院副教授,、網(wǎng)絡(luò)與安全研究所所長

雖然電視劇《狂飆》已經(jīng)迎來了大結(jié)局，但熱度仍然沒有絲毫減弱,，有的網(wǎng)友利用劇中人物創(chuàng)作娛樂視頻,，也有的網(wǎng)友剪輯其中精彩片段。不過,，還有一些“較真”的網(wǎng)友,，發(fā)現(xiàn)《狂飆》中的一些人物對(duì)話，配音和嘴型對(duì)不上,，于是便想通過人工智能進(jìn)行唇語識(shí)別,，還原最初的劇本情節(jié),。

然而，AI讀唇語并非只能被用于破譯“隱藏劇情”,。據(jù)統(tǒng)計(jì),，我國聽力殘障人口超過2054萬，除了主要的手語交流外,，讀唇語也是他們重要的溝通方式,。但人工解讀唇語容易受到個(gè)人經(jīng)驗(yàn)、視覺感受能力,、語言理解能力等因素影響,，在正確率方面差強(qiáng)人意，于是人們開始嘗試?yán)肁I技術(shù)來解讀唇語,。

比唇語專家更懂唇語

“所謂AI讀唇語,，即人工智能唇語識(shí)別,，其核心技術(shù)框架為視覺識(shí)別和自然語言處理?！北本├砉ご髮W(xué)計(jì)算機(jī)學(xué)院副教授,、網(wǎng)絡(luò)與安全研究所所長閆懷志介紹道，具體而言,，就是利用機(jī)器視覺技術(shù),，將人臉從圖像中連續(xù)識(shí)別出來，并提取其中連續(xù)的口型變化特征,，輸入至唇語識(shí)別模型,，辨識(shí)出該人物口型對(duì)應(yīng)的發(fā)音，進(jìn)而輸出可能性最大的表達(dá)語句,。

“視覺識(shí)別和自然語言處理分別有著龐大的技術(shù)體系和不同的技術(shù)路線,，但究其本質(zhì),，都是通過大量的唇語數(shù)據(jù)來訓(xùn)練AI模型，力求文本輸出的準(zhǔn)確性,?！遍Z懷志補(bǔ)充道。

近幾年,，不斷有AI巨頭開始在唇語識(shí)別賽道上作出嘗試。谷歌旗下Deep Mind公司就與英國牛津大學(xué)合作,，研發(fā)出了一款A(yù)I讀唇語軟件,，通過讓AI讀唇語軟件“收看”數(shù)千小時(shí)的電視節(jié)目來訓(xùn)練其唇語識(shí)別能力。有意思的是,，在隨機(jī)抽取200個(gè)視頻片段的讀唇語測(cè)試中,，AI讀唇語軟件的準(zhǔn)確率達(dá)到了46.8%，而經(jīng)過專業(yè)訓(xùn)練的人類讀唇語專家,，準(zhǔn)確率僅為12.4%,。

為何AI讀唇語能夠悄然興起？閆懷志給出了自己的分析：一是強(qiáng)烈的需求牽引,，二是巨大的技術(shù)推動(dòng),。從需求牽引來說，唇語識(shí)別不僅可為部分殘障人士提供方便,，更可以在公共安防等諸多領(lǐng)域發(fā)揮巨大作用,；從技術(shù)推動(dòng)來說，由于AI算法,、算力以及數(shù)據(jù)瓶頸被不斷突破,，使得AI技術(shù)在唇語識(shí)別領(lǐng)域取得較大成功成為現(xiàn)實(shí)。

眾多難題有待突破

不過,，閆懷志也表示,，目前我國人工智能唇語識(shí)別技術(shù)尚處于起步階段，若想利用人工智能準(zhǔn)確地識(shí)別唇語,，還有很長的路要走,。

從語言本身來看，人類語言具有較高的復(fù)雜性,，在人類話語所涉及的所有音標(biāo)中,，僅有30%左右是直接由人類嘴唇來控制的，70%是難以通過肉眼,，甚至是機(jī)器視覺區(qū)分的齒音,、舌音以及喉音。而且,，不同人說話的語氣,、方言,、連詞、口音,，乃至胡須遮蓋等因素,，都會(huì)導(dǎo)致嘴型的細(xì)微變化，而恰恰是這種細(xì)微變化,，會(huì)嚴(yán)重影響人工智能對(duì)于唇語的識(shí)別和判斷,。

從技術(shù)層面來看，人工智能采集唇語的環(huán)境通常較為復(fù)雜,，若想精準(zhǔn)識(shí)別難度很高,。以目前的人工智能技術(shù)而言，對(duì)于長句,、復(fù)雜句式等的識(shí)別水平不盡如人意,，更不用說還存在著多場(chǎng)景識(shí)別、多人像唇語識(shí)別等問題,。

閆懷志表示,，只有解決了上述問題，AI讀唇語才能得到突破性提升,，邁向成熟發(fā)展階段,。

人類不同語種之間千差萬別，AI能讀懂每個(gè)語種的唇語嗎,？

閆懷志介紹,，此前較為成功的AI讀唇語系統(tǒng)大多僅限于英語模型，這是因?yàn)槎鄶?shù)AI模型都是基于英語數(shù)據(jù)訓(xùn)練而得,。但是,，從技術(shù)框架上來說，不同語種的訓(xùn)練模型是基本一致的,，或者說可以依賴于同一類技術(shù)手段來實(shí)現(xiàn),。

當(dāng)然，為了適應(yīng)不同語種的唇語識(shí)別,，也需要作一些適應(yīng)性調(diào)整：一方面要選擇對(duì)應(yīng)語種的數(shù)據(jù)進(jìn)行有針對(duì)性的訓(xùn)練,；另一方面，還需要對(duì)AI模型進(jìn)行調(diào)整,，比如納入時(shí)間屏蔽,、優(yōu)化語言模型以及改進(jìn)超參數(shù)等。

此外,，同一語種也會(huì)有不同口型,，即便口型類似，也可能代表著完全不同的意思,。因此,，成熟的AI讀唇語系統(tǒng)需要大量的唇語特征樣本數(shù)據(jù),，并盡可能地覆蓋多種應(yīng)用場(chǎng)景、多類型的說話人群,，借此來提升訓(xùn)練后的唇語識(shí)別模型的泛化能力,，提高AI讀唇語對(duì)于不同口型和不同表意語言的識(shí)別準(zhǔn)確率。

亟須監(jiān)管的技術(shù)雙刃劍

盡管存在種種難題,，但仍有越來越多的AI企業(yè)開始涉足并計(jì)劃深耕人工智能唇語識(shí)別賽道,。目前來看，各大AI巨頭的選擇不盡相同,，具體可分為唇語數(shù)據(jù),、唇語視頻識(shí)別、唇語理解等,。

閆懷志也表示，目前許多人工智能唇語識(shí)別技術(shù)領(lǐng)域已實(shí)現(xiàn)初步突破,，全鏈條集成前景可期,，產(chǎn)業(yè)集群正在逐步形成。

從應(yīng)用場(chǎng)景來看,，AI讀唇語在社會(huì)公益,、公共安全等領(lǐng)域都已開始嶄露頭角。從目前各大巨頭的布局以及相關(guān)技術(shù)的發(fā)展趨勢(shì)來看,，AI讀唇語預(yù)期可在身份識(shí)別,、國家安全、智慧系統(tǒng)等方面具有廣闊的應(yīng)用前景,?！翱梢韵胍?，由于公益,、公共安全、國家安全等領(lǐng)域巨大的潛在需求的牽引,，以及AI技術(shù)飛速發(fā)展的強(qiáng)力推動(dòng)作用,，在不久的將來,，AI讀唇語有望實(shí)現(xiàn)快速推廣與深度普及，產(chǎn)業(yè)前景十分可期,?！遍Z懷志說。

例如,，在安防安監(jiān)領(lǐng)域,，很多安監(jiān)場(chǎng)景噪音較大或僅有視頻信號(hào)，無法準(zhǔn)確捕捉聲音,，人工智能唇語識(shí)別技術(shù)就能派上用場(chǎng),；在身份識(shí)別領(lǐng)域,，可以利用AI讀唇語來實(shí)現(xiàn)口型支付密碼輸入，“動(dòng)動(dòng)嘴唇”就能實(shí)現(xiàn)身份識(shí)別和支付交易,；在公共安全領(lǐng)域,，利用AI讀唇語，可以在各類視頻中分析案件當(dāng)事人的唇語信息,，輔助案件偵查工作,；在智慧系統(tǒng)領(lǐng)域，可利用AI讀唇語來實(shí)現(xiàn)“無聲勝有聲”——只依靠口型來控制智能設(shè)備,，比如智能家電等,。

當(dāng)然，技術(shù)應(yīng)用是把雙刃劍,。很多人擔(dān)心,，AI讀唇語會(huì)使人們對(duì)話中的隱私內(nèi)容遭到泄露，無論當(dāng)事人是公開發(fā)言,、竊竊私語或是自言自語,。“張張嘴”就被別人竊取聊天內(nèi)容,，仔細(xì)想來確實(shí)可怕,。

閆懷志表示，這種擔(dān)心并非杞人憂天,。AI讀唇語導(dǎo)致的隱私泄露,，一方面可能是有人惡意進(jìn)行唇語獲取識(shí)別，另一方面也可能是正常使用的AI讀唇語系統(tǒng),，但其中的存儲(chǔ),、使用等環(huán)節(jié)保護(hù)不當(dāng)，導(dǎo)致相關(guān)數(shù)據(jù)被竊取或?yàn)E用,，進(jìn)而對(duì)個(gè)人權(quán)益造成損害,。而且，由于涉及到當(dāng)事人的對(duì)話內(nèi)容,，具有明顯的方向性,，這種隱私泄露的危害性可能要比普通的個(gè)人信息泄露更為嚴(yán)重。

因此,，閆懷志建議,，應(yīng)從隱私安全保護(hù)的角度，在管理層面加強(qiáng)相關(guān)法律法規(guī)的制定,，嚴(yán)格規(guī)范和約束AI讀唇語的應(yīng)用場(chǎng)景,、范圍和目的，加大對(duì)技術(shù)惡意利用的監(jiān)管和懲戒力度。此外,，還要在技術(shù)層面加強(qiáng)AI讀唇語系統(tǒng)的安全保護(hù)體系建設(shè),，以技術(shù)手段提高系統(tǒng)的識(shí)別精準(zhǔn)度，避免技術(shù)濫用,，切實(shí)保障用戶對(duì)話的內(nèi)容安全,。（記者 翟冬冬）

來源：科技日?qǐng)?bào)