人工智能技術(shù)助力無聲語言研究

人工智能技術(shù)的精進與開發(fā)無疑對人工智能的應(yīng)用至關(guān)重要，而人工智能除了在與生活強關(guān)聯(lián)方面的應(yīng)用，回應(yīng)少數(shù)群體的需求也將成為人工智能發(fā)展的必然方向。

近日，加州大學(xué)伯克利分校的研究人員表示，他們正在使用無聲語言和收集肌肉活動的傳感器來訓(xùn)練人工智能。其中，無聲語言是用肌電圖（EMG）檢測的，電極則放在臉和喉嚨上。研究人員表示，該模型的重點是研究被稱之為“沉默語音”的模型，該模型可以檢測到人們想說、但沒說出聲的話。

研究人員相信，他們的方法可以為那些無法發(fā)出聲音的人提供大量的應(yīng)用，并且可以支持人工智能助手或其他對語音命令做出響應(yīng)的設(shè)備進行沉默語音檢測。

盡管設(shè)想美好，但想真正實現(xiàn)卻并不容易：首先，在收集數(shù)據(jù)時，研究者會先在實驗者的臉上等部位貼8個貼片，每個貼片都是一個“監(jiān)視肌肉變化”的傳感器。

隨后，研究人員需要錄制一段實驗者的有聲語音，并與肌電圖進行對應(yīng)這種方法能夠?qū)⒓∪獾淖兓闆r、和語音的類型對應(yīng)起來。然后使用WaveNet解碼器生成音頻語音預(yù)測。在記錄數(shù)據(jù)的過程中，還要再錄制一段“對口型”的肌電圖，但不需要發(fā)聲，也就是“沉默語音”。

與用發(fā)聲肌電數(shù)據(jù)訓(xùn)練的基線相比，該方法在書中句子轉(zhuǎn)錄的單詞錯誤率下降了64%到4%，錯誤率比基線減少了95%。此外，為了推動這一領(lǐng)域的進一步研究，研究人員還開發(fā)了一個由近20小時面部肌電數(shù)據(jù)組成的數(shù)據(jù)集。

這項題為“無聲語音的數(shù)字發(fā)聲”的研究論文，在近日舉行的自然語言處理經(jīng)驗方法（EMNLP）活動上，獲得了最佳論文獎。

研究小組的論文寫道：“數(shù)字化無聲語音有著廣泛的潛在應(yīng)用?！崩?，它可以用來制造一種類似于藍牙耳機的設(shè)備，它允許人們在不干擾周圍人的情況下進行電話交談。而顯然，這種設(shè)備在環(huán)境噪音太大無法捕捉到可聽語音或保持沉默的環(huán)境中將具有重要作用。
編輯：hfy