近日,谷歌 AI 部門 DeepMind 和牛津大學(xué)的研究人員使用人工智能創(chuàng)建了迄今為止最準(zhǔn)確的一款讀唇軟件。
利用 BBC 數(shù)千小時的電視節(jié)目,研究人員將 AI 軟件對電視節(jié)目嘉賓唇語解讀的準(zhǔn)確率提升到了 46.8%。這一數(shù)字乍看上去十分不起眼,尤其在與 AI 軟件語音識別準(zhǔn)確率進行比較后更是如此,但要指出的是,即便是專業(yè)的唇語專家在接受同樣的測試時,準(zhǔn)確率僅為 12.4%。
值得一提的是,牛津大學(xué)的另一獨立小組也于不久前開發(fā)了一款類似的 AI 讀唇軟件。這個名叫 LipNet 的讀唇軟件,在測試中達到了 93.4% 的準(zhǔn)確性,而人類的準(zhǔn)確性則為 52.3%。但該測試所用的材料均為志愿者事先錄制好的固定句子,沒有任何復(fù)雜的事件背景可言。
而此次谷歌 DeepMind 部門研發(fā)的“Watch, Listen, Attend, and Spell”AI 軟件所進行的測試則更具挑戰(zhàn)性,在沒有任何背景介紹的情況下直接對 BBC 節(jié)目嘉賓唇語進行解讀。
該軟件用于讀唇術(shù)訓(xùn)練的電視節(jié)目視頻時長累計超過了 5000 小時,包括近 12 萬個不同的句子和約 1.7 萬個獨特的單詞,相比之下 LipNet 軟件的測試視頻僅有 51 個獨特的單詞。
至于 AI 讀唇軟件的應(yīng)用,很多人第一時間想到的便是監(jiān)控視頻的唇語解讀。研究人員表示,監(jiān)控視頻的分辨率將對 AI 軟件的讀唇準(zhǔn)確度有很大影響,但人工智能會將這一差距慢慢縮小。
- 啟信寶產(chǎn)業(yè)數(shù)據(jù):全國“動力電池回收利用”企業(yè)集中在廣東和江蘇
- 以科技打造潮流美學(xué),方程豹鈦3正式上市,13.38萬起售
- 比亞迪劃時代旗艦轎車漢L正式上市,配置拉滿售價僅20.98萬起
- 13.98萬元起!方程豹全新車型鈦3開啟預(yù)售
- 仰望U7上市62.8萬元起售,將新能源汽車帶入“四電時代”
- 比亞迪李云飛:首批500座“兆瓦閃充”充電站將于4月初啟用
- 比亞迪海獅05EV上市,全系搭載天神之眼C,售價11.78萬元起
- 比亞迪2024年營收7771.02億元,同比增長29.02%
- 拼多多四季度營收1106億,加快上行“新質(zhì)供給”,賦能產(chǎn)業(yè)升級
- 英偉達數(shù)億美元收購合成數(shù)據(jù)公司Gretel
免責(zé)聲明:本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性,但不保證有關(guān)資料的準(zhǔn)確性及可靠性,讀者在使用前請進一步核實,并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏,概不負任何法律責(zé)任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時,應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明,并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后,將會依法盡快聯(lián)系相關(guān)文章源頭核實,溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。