金磊 發自 凹非寺

量子位 | 公眾號 QbitAI

這，或許是現在跟Siri交流最潮的方式了——

只需要動動嘴皮子，就能讓它under你的control。

沒錯，就是不需要出任何聲音的那種。

這就是來自康奈爾華人團隊的最新研究成果SpeeChin，無聲語音識別。

像這樣：

在沒有聲音的情況下，你能猜出來他在說什么嗎（文末揭曉答案

）？

但在SpeeChin的加持下，現在的Siri、Alexa等就已經可以識別，而且還支持普通話和英文！

是有種“此時無聲勝似有聲”的感覺了。

不說話，怎么控制語音助手？

康奈爾團隊研發的SpeeChin，其實是一條神奇的項鏈。

戴上這條項鏈，就能開啟無聲語音控制的大門了。

例如對著電腦默念一句“Next”，音樂就會自動切換成下一首歌：

或許你會說一個單詞過于簡單了，別急，現在就來加大難度：

“Switch to Taylor Swift.”

可見，SpeeChin即便是面對一句完整的話術，也可以做到精準識別。

而這條“無聲識別”項鏈的關鍵，就在于安裝在項鏈下方的紅外攝像機。

它可以捕捉到人物頸部和面部皮膚的變形圖像，從而進行分析識別工作，確定從“嘴皮子”傳達的是什么命令。

而且這條項鏈不僅能無聲識別英文，連中文（普通話）也能夠hold住。

在最初的實驗中，有20人參與到了測試中，其中10人講英文，另外10人說普通話。

研究人員讓測試者分別用英文和中文發出數十條指令，包括數字、互動指令、語音輔助指令、標點指令和導航指令。

最后的實驗結果，“無聲識別”的準確率分別達到了90.5%和91.6%。

來自康奈爾大學的華人團隊

這項研究來自康奈爾大學，一作是Ruidong Zhang。

其中，Cheng Zhang是這項研究的通訊作者。

他是康奈爾大學信息科學系的助理教授，他的研究聚焦在如何獲取人體及其周圍的信息，以應對各種應用領域中的現實世界挑戰，如交互、健康感知和活動識別。

研究的一作Ruidong Zhang，他是Cheng Zhang教授的一名博士生，本科畢業于清華大學。

他的研究興趣在于人機交互和普適計算（ubiquitous computing），特別是建立新型的可穿戴設備，用來促進互動體驗并加深我們對人類行為的理解。

至于為什么他們要做SpeeChin這項工作，據Ruidong Zhang解釋：

主要是考慮到在某些特定場合中，人們可能不適合發出聲音；還考慮到一些不能說話的人群。

最后，來揭曉一下開頭GIF的答案：

你猜對了嗎？

參考鏈接：

[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

本文首發于微信公眾號：量子位。文章內容屬作者個人觀點，不代表和訊網立場。投資者據此操作，風險請自擔。

關鍵詞：