噓,AI正在悄悄聽懂你的話

小時候看特務電影時,間諜們往往有一項必備的技能,就是隔著幾百公尺遠盯著正在說話的對象,從嘴型判斷出對方在說什麼。有了這種記憶,導致如今看什麼語音辨識技術都覺得沒在沒什麼了不起——都說出聲音了你才聽懂,算什麼AI好漢。

不過最近一項專利申請表明,微軟正在向間諜學習,推出了無聲語音辨識技術。當AI也能像特務一樣,無聲之中辯識人言,我們的世界究竟會有什麼不同?

除去唇語辨識,AI還有什麼方式悄悄聽懂你的話?

說起無聲語音辨識,可能很多人第一反應就是複製人類的方式,利用圖像辨識進行辯讀唇語。而利用唇語進行語音辨識這種方式也由來已久,但是辨識的準確率一直不算高。DeepMind曾在2016年做過測試,經過1萬小時的新聞影片訓練,AI唇語準確率達到了46.8%。中國有一家企業曾經提供過相關數據:在對中文新聞影片的辨識中,準確率達到了70%。而搜狗所推出的駕駛場景下的唇語辨識,因為涉及到的詞彙量很少,準確率能夠達到90%。

可以發現,相比現在主流語音辨識動輒95%、97%的準確率,唇語辨識準確程度實在是有些拿不上檯面。對於中文這種一字一音節的語言來說還好,對於英文這種連音很多的語言來說,唇語辨識要跨越的門檻確實不少。

噓,AI正在悄悄聽懂你的話

另一方面來看,唇語辨識所涉及到倫理問題實在過於嚴重。唇語辨識的「射程」太遠,如果這種技術真的發展成熟,意味著天網之下的我們在交談時將再無隱私。在隱私焦慮越來越濃的今天,哪家企業公開研究這項技術,只怕是覺得自己家的公關部門過得太清閒。

因此包括微軟在內的產業和學界,都在尋找一種更精準也更隱私的無聲語言辨識。目前看來,無聲語音辨識的技術方向可以被分為兩個「派系」,一是「氣宗」,另一個是「電宗」。

微軟所提交的專利,就是典型的「氣宗」——在終端裝置上加入感應器,透過感知使用者說話時的氣流來判斷使用者說話的內容。這種終端如同一隻小型麥克風,放置在使用者嘴邊,使用者在說話時形成的氣流會在設備中形成反射,經過訓練,可以將這些氣流反射的訊號和文字一一對應。

而「電宗」則更加神奇,我們知道人在說話時需要調動整個下半張臉的肌肉,不同的文字發音所調動肌肉的方式也並不相同。透過對臉部EMG(肌電)訊號的採集,來學習人類說話時臉部EMG訊號特徵,並透過神經網路的訓練將EMG訊號和文字對應起來。

可以看出這兩種無聲語音辨識都有一個共同的特點,那就是自主性和私密性。不管是EMG訊號採集還是氣流採集,都需要在講話者身上佩戴好設備,而不是像圖像技術一樣,能夠在遠端且講話者不知情的情況下進行採集分析。

無聲語音辨識變成真‧氣功?

不論是氣宗還是電宗,這些無聲語音辨識技術都面臨著同樣的問題——既然要使用者把話說出來才能進行辨識,那為什麼不直接應用語音辨識來進行文字轉換和翻譯,非要弄一些和「氣功」一樣沒有切實應用場景的花招?

其實無聲語音辨識的應用,可能不像大家想像的那樣廣泛,它既不能以最高效的方式幫助聽障人士,也不允許被應用於監聽等等工作。但在一些關鍵場合下,無聲語音辨識卻可以發揮出奇用。

我們可以一起開動腦筋,想想在哪裡人們需要說話,但卻聽不到彼此的聲音。答案很簡單,要麼是在聲音無法傳播的地方,要麼是在一些特別嘈雜的地方。於是無聲語音辨識就有了如下的應用場景:

災害現場、艙外探索、水下作業……

在這類場所中,人們或許為了躲避被汙染的空氣、或許為了呼吸氧氣,都會穿上類似生化服、太空服等等特殊服裝。穿上之後既看不到對方的表情,也聽不到對方的聲音,更沒辦法用語音互動去控制其他設備了。同時環境情況(例如氧氣不夠充足)往往不允許人們以正常的聲音說話,加上防護服的封閉狀況會引起聲音的迴響,以往的有聲語音辨識在這種情況下很難發揮作用。

噓,AI正在悄悄聽懂你的話

這時可以被安置在防護服內部的無聲語音辨識就顯得很有價值,講話者只需要做出口型就能向外界傳遞訊息。

除此之外還有嘈雜的馬路、工廠車間、機場……

在這些場所中,想要讓對方聽清自己的聲音,往往需要扯著嗓子吼。想讓語音辨識準確辨識,更是難上加難。這時利用無聲語音辨識就會輕鬆很多,不僅可以準確表達訊息,也能讓一些處於這種場合的工作人員戴上隔音耳塞保護自己的聽力。

實際上目前在歐洲一些型號的戰鬥機中,就因為機艙內噪音巨大、飛行員之間無法溝通,已經應用了EMG訊號無聲語音辨識技術。

噓,AI正在悄悄聽懂你的話

當然,目前相比語音辨識技術、甚至相比唇語語音辨識,無聲語音辨識技術的發展階段還很初級,應用效率也不高。

實際上無聲語音辨識是一項典型的「美好而無用」的AI技術,它既完美體現了一系列技術的排列組合,例如EMG訊號無聲語音辨識所體現出的AI與神經學的結合;又在應用上極大程度的受限,即使在一些聲音難以傳播的場景下,也要考慮計算條件、辨識語音後訊息再傳遞的媒介,更不用提複雜的資料蒐集工作了。

但我們有理由相信,在未來AI技術越來越普及化、應用成本越來越低時,總會出現一些極端場景應用上這些看似無用的技術——也許未來有一天,戰鬥機的控制也許也使用語音互動呢?

使用 Facebook 留言

發表回應

謹慎發言,尊重彼此。按此展開留言規則