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(méi)錯(cuò)，就是不需要出任何聲音的那種。
這就是來(lái)自康奈爾華人團(tuán)隊(duì)的最新研究成果SpeeChin，無(wú)聲語(yǔ)音識(shí)別。
像這樣：
在沒(méi)有聲音的情況下，你能猜出來(lái)他在說(shuō)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(wú)聲勝似有聲”的感覺(jué)了。
不說(shuō)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(kāi)啟無(wú)聲語(yǔ)音控制的大門(mén)了。
例如對(duì)著電腦默念一句“Next”，音樂(lè)就會(huì)自動(dòng)切換成下一首歌：
或許你會(huì)說(shuō)一個(gè)單詞過(guò)于簡(jiǎn)單了，別急，現(xiàn)在就來(lái)加大難度：
“Switch to Taylor Swift.”
可見(jiàn)，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(wú)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(wú)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(shuō)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(wú)聲識(shí)別”的準(zhǔn)確率分別達(dá)到了90.5%和91.6%。
來(lái)自康奈爾大學(xué)的華人團(tuán)隊(duì)
這項(xiàng)研究來(lái)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?chē)男畔?，以?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(lái)促進(jìn)互動(dòng)體驗(yàn)并加深我們對(duì)人類(lèi)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?zhuān)?/p>
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(shuō)話的人群。
最后，來(lái)揭曉一下開(kāi)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：
