動動嘴就知道你在說什么，國內知名互聯網公司搜狗推出的中文“唇語識別”技術近期在烏鎮(zhèn)引起廣泛關注，秒殺一眾黑科技。筆者通過搜狗方面了解到，搜狗推出的這種人機交互新技術——“唇語識別”，是業(yè)內首個公開演示的“唇語識別”系統，通過機器視覺識別，不用聽聲音，僅靠識別說話人唇部動作，就能解讀說話者所說的內容。

在談到為什么要推出這項技術時，搜狗方面表示，搜狗研發(fā)唇語識別的初衷是因為搜狗搜索和輸入法其實都是在和語言打交道。一方面是幫助人們用語音表達，另一方面是通過語言獲取互聯網上的信息。語音正逐漸成為主流的人機交互方式，但是在一些嘈雜，甚至無聲的環(huán)境里，語音所能發(fā)揮的作用是有限的，這種情況下，我們就需要發(fā)展基于視覺的識別能力。

業(yè)內認為，上市后的搜狗，隨著其不斷地深耕人工智能領域的技術研發(fā)，會逐漸形成差異化競爭，而搜狗在人工智能上的探索也并不會止步于此，圍繞著語音交互入口等多形態(tài)的人機交互方式，搜狗會在更多領域有進一步的進展。目前搜狗技術落地的產品主要包括搜狗輸入法、搜狗同傳、搜狗聽寫等產品。

垂直場景下達到90%準確率

從鍵盤打字到觸控屏，再到現在的語音交互和手勢交互，人工智能技術的發(fā)展，正在促使人機交互方式向更加多元化方向變革。據了解，與語音識別不同，“唇語識別”是一項基于機器視覺與自然語言處理于一體的技術，因此在研發(fā)難度上比語音識別大得多。

經過一年多的研發(fā)和反復修改，目前，在非特定人開放口語測試上，搜狗唇語識別系統已經達到60%以上的準確率，超過google發(fā)布的英文唇語系統50%以上的準確率，在垂直場景如車載、智能家居等場景下甚至已經達到90%的準確率。

據悉，搜狗首創(chuàng)了復雜端到端深度神經網絡技術進行中文唇語序列建模，通過數千小時的真實唇語數據訓練。陳偉介紹，搜狗“唇語識別”技術通過10萬以上的中文詞訓練數據，而google英文唇語系統只有1萬7000多詞匯。另外，還得益于搜狗在自然語言處理方面的強大優(yōu)勢，最終取得了業(yè)界領先的唇語識別效果。

在剛結束不久的烏鎮(zhèn)世界互聯網大會上，搜狗唇語識別技術亮相，在業(yè)內大多數唇語識別技術實用性尚待考證的環(huán)境下，成功完成了業(yè)內首個中文唇語識別系統的公開演示，引起廣泛關注。

AI發(fā)展助推多元交互方式

當國內大部分企業(yè)都扎堆聚集在智能語音、圖像識別等領域時，搜狗唇語識別技術的推出無疑將引領整個行業(yè)進入一個全新的發(fā)展方向。

作為人機交互的形式之一，未來唇語識別技術可以輔助語音交互及圖像識別，在日常生活、安防、公益等各個領域實現廣泛應用。比如在車載場景下，周圍噪音過大時會對語音指令產生干擾，通過唇語識別技術則可以規(guī)避干擾，保證人車交互的準確性和穩(wěn)定性，日常不便發(fā)聲的公共場所也可以保證說話內容的私密性。

而在安防領域，“唇語識別”更能發(fā)揮價值，尤其是在攝像頭場景下的語音獲取存在盲區(qū)的情況下。據陳偉介紹，由于目前多數監(jiān)控只有攝像頭沒有麥克風，攝像頭獲取數據單一，沒有音頻錄入，往往只能看清嘴型卻不知道在說什么，給案情分析帶來很多難題?，F在技術多集中于圖像分析，集中于人臉或者行人檢測、監(jiān)控等，也缺乏對用戶信息直接獲取的方式，而唇語識別技術可以幫助公安人員獲取重要的講話信息，為公共安全提供有效支持。

除此之外，唇語識別技術還能發(fā)揮巨大的公益價值，幫助先天性聽障人群或老年人，讓他們更好地理解和表達自己。

作為一家技術驅動型的企業(yè)，近年來搜狗一直致力于自然語言的研究，目前在語音識別、語義理解、機器翻譯等方面均取得了行業(yè)領先的成果并實現產品落地，此次推出唇語識別技術，不僅會推動整個AI行業(yè)的技術革新，也意味著搜狗在AI領域的技術實力達到了更高的發(fā)展水平。

此前，人工智能專家搜狗CEO王小川在烏鎮(zhèn)的演講中論述了人工智能與連接的關系。他指出，人工智能目前的核心價值，是幫助人們進行決策。加入了人工智能的決策，人和人、人和信息、人和交易以及人和服務都能夠更加精準地連接。

時至今日，人工智能的發(fā)展速度已經完全超出了我們的想象，那些電影里的炫酷黑科技正在一步步成為現實，出現在我們的生活中。隨著AI技術的發(fā)展，相信在不遠的將來，唇語識別也能像語音識別、圖像識別一樣成為我們生活中隨處可見的一部分。