金磊 发自 凹非寺
量子位 | 公众号 QbitAI
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%。
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？
参考链接：
[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
— 完 —
量子位 QbitAI · 头条号签约
关注我们，第一时间获知前沿科技动态
,
