不出声也能命令 Siri!康奈尔大学华人团队开发无声语言识别项链,中文英文都行

2022-02-16 15:33量子位 (金磊)

这,或许是现在跟 Siri 交流最潮的方式了 —— 只需要动动嘴皮子,就能让它 under 你的 control。

没错,就是不需要出任何声音的那种。这就是来自康奈尔华人团队的最新研究成果 SpeeChin,无声语音识别。

像这样:

在没有声音的情况下,你能猜出来他在说什么吗(文末揭晓答案)?

但在 SpeeChin 的加持下,现在的 Siri、Alexa 等就已经可以识别,而且还支持普通话和英文!是有种“此时无声胜似有声”的感觉了。

不说话,怎么控制语音助手?

康奈尔团队研发的 SpeeChin,其实是一条神奇的项链。

戴上这条项链,就能开启无声语音控制的大门了。

例如对着电脑默念一句“Next”,音乐就会自动切换成下一首歌:

或许你会说一个单词过于简单了,别急,现在就来加大难度:“Switch to Taylor Swift.”

可见,SpeeChin 即便是面对一句完整的话术,也可以做到精准识别。而这条“无声识别”项链的关键,就在于安装在项链下方的红外摄像机。它可以捕捉到人物颈部和面部皮肤的变形图像,从而进行分析识别工作,确定从“嘴皮子”传达的是什么命令。而且这条项链不仅能无声识别英文,连中文 (普通话)也能够 hold 住。

在最初的实验中,有 20 人参与到了测试中,其中 10 人讲英文,另外 10 人说普通话。研究人员让测试者分别用英文和中文发出数十条指令,包括数字、互动指令、语音辅助指令、标点指令和导航指令。最后的实验结果,“无声识别”的准确率分别达到了 90.5% 和 91.6%。

来自康奈尔大学的华人团队

这项研究来自康奈尔大学,一作是 Ruidong Zhang。

其中,Cheng Zhang 是这项研究的通讯作者。

他是康奈尔大学信息科学系的助理教授,他的研究聚焦在如何获取人体及其周围的信息,以应对各种应用领域中的现实世界挑战,如交互、健康感知和活动识别。

研究的一作 Ruidong Zhang,他是 Cheng Zhang 教授的一名博士生,本科毕业于清华大学。

他的研究兴趣在于人机交互和普适计算(ubiquitous computing),特别是建立新型的可穿戴设备,用来促进互动体验并加深我们对人类行为的理解。

至于为什么他们要做 SpeeChin 这项工作,据 Ruidong Zhang 解释:主要是考虑到在某些特定场合中,人们可能不适合发出声音;还考虑到一些不能说话的人群。

最后,来揭晓一下开头 GIF 的答案:

你猜对了吗?

文章价值:
人打分
有价值还可以无价值