清華大學(xué)研發(fā)出可穿戴人工喉：還原準(zhǔn)確率超90%

一枚硬幣大小的石墨烯片，貼在頸部靠近喉嚨處，就能幫助發(fā)音障礙者獲得新“聲”。近日，清華大學(xué)集成電路學(xué)院任天令教授及合作團(tuán)隊(duì)在智能語音交互方面取得重要進(jìn)展，其研發(fā)的可穿戴人工喉可以感知喉部發(fā)聲相關(guān)信號，并通過人工智能模型將其識(shí)別和合成為語音，還原準(zhǔn)確率超過90%。

這一研究結(jié)果為語音識(shí)別與交互系統(tǒng)提供了一條新的技術(shù)途徑，并于近日在線發(fā)表在《自然》人工智能子刊《自然·機(jī)器智能》上。

語音是人類交流的重要方式，但說話人的健康狀態(tài)(例如神經(jīng)疾病、癌癥、外傷等原因?qū)е碌穆曇粽系K)和周圍環(huán)境(噪音干擾、傳播介質(zhì))往往會(huì)影響聲音的傳輸和識(shí)別。一直以來，研究人員在致力改進(jìn)語音識(shí)別和交互技術(shù)以應(yīng)對微弱的聲源或嘈雜的環(huán)境。多通道聲學(xué)傳感器可以顯著提高聲音識(shí)別的精度，但會(huì)導(dǎo)致更大的設(shè)備體積，而可穿戴設(shè)備能夠獲取高質(zhì)量的原始語音或其他生理信號。然而，目前尚無充分的證據(jù)表明喉部肌肉的運(yùn)動(dòng)模式和反映在體表的發(fā)聲器官振動(dòng)中隱含著可識(shí)別的語音特征，且尚無實(shí)驗(yàn)證明其作為語音識(shí)別技術(shù)的完備性。

為解決這一問題，任天令團(tuán)隊(duì)成員開發(fā)了一款基于石墨烯的智能可穿戴人工喉，同商業(yè)麥克風(fēng)和壓電薄膜相比，人工喉對低頻的肌肉運(yùn)動(dòng)、中頻食管振動(dòng)和高頻聲波信息有很高的靈敏度，同時(shí)也具有抗噪聲的語音感知能力。對聲學(xué)信號和機(jī)械運(yùn)動(dòng)的混合模態(tài)的感知使人工喉能夠獲得更低的語音基頻信號。此外，該器件還可以通過熱聲效應(yīng)實(shí)現(xiàn)聲音的播放功能。人工喉的制作過程簡單、性能穩(wěn)定、易于集成，為語音識(shí)別和交互提供了一種新的硬件平臺(tái)。

圖1 可穿戴的第二代智能石墨烯人工喉系統(tǒng)：該人工喉集收聲和發(fā)聲于一體，可直接貼附于失語者喉部，并將喉部的不同動(dòng)作轉(zhuǎn)化為對應(yīng)聲音，有望幫助失語者正常與他人“交談”。

團(tuán)隊(duì)還利用人工智能模型對人工喉感知的信號進(jìn)行語音識(shí)別和合成，實(shí)現(xiàn)了對基本語音元素(音素、聲調(diào)和詞語)的高精度識(shí)別，以及對喉癌患者模糊語音的識(shí)別與再現(xiàn)，為聲音障礙者的溝通和交互提供了一種創(chuàng)新的解決方案。

實(shí)驗(yàn)結(jié)果表明，人工喉采集的混合模態(tài)語音信號可以識(shí)別基本語音元素(音素、音調(diào)和單詞)，平均準(zhǔn)確率為99.05%。同時(shí)人工喉的抗噪聲性能明顯優(yōu)于麥克風(fēng)，在60分貝以上環(huán)境噪聲下仍能保持識(shí)別能力。任天令研究團(tuán)隊(duì)進(jìn)一步演示了它的語音交互式應(yīng)用：通過集成AI模型，人工喉能夠識(shí)別一名喉切除術(shù)患者模糊說出的日常詞語，準(zhǔn)確率超過90%。識(shí)別出的內(nèi)容被合成為語音在人工喉上播放，可以初步恢復(fù)患者的語音交流能力。

任天令介紹，該人工喉還有很大的優(yōu)化和拓展空間，例如提高聲音的質(zhì)量和音量，增加語音的多樣性和表情，以及結(jié)合其他生理信號和環(huán)境信息實(shí)現(xiàn)更自然和智能的語音交互。研究團(tuán)隊(duì)希望通過進(jìn)一步的研究和合作，讓人工喉造福更多的聲音障礙者和語音交互的用戶。在未來，該人工喉將與聲紋識(shí)別、機(jī)器學(xué)習(xí)等技術(shù)結(jié)合，在語音識(shí)別、家庭醫(yī)療等領(lǐng)域具有廣闊前景。

審核編輯 ：李倩