从谷歌到搜狗，为什么科技企业都在玩“唇语识别”？

2016年底，研发出AlphaGo的谷歌DeepMind工作室，与牛津大学合作推出了一款能够阅读唇语的软件，在人工智能领域引发关注。通过测试，这款软件的识别准确率达到46.8%，虽然还不完美，但已经远超人类的唇读准确率（12.4%）数倍之多。DeepMind工作室的负责人称，这款软件可以帮助到听力受损的人，未来，他们的努力方向是从识别单词到可以识别句子，进一步提高唇读的准确率。

科技 的进步往往比我们预想中更快。在谷歌发布了唇读软件一年之后，搜狗公司在今年的乌镇 互联网 大会上，带来了全球首个公开演示的唇语识别系统。在会场，许多嘉宾都测试了这一全新的科技成果，其中还包括来自央视和多个地方台的记者，无论是“今天天气怎么样”这样的短句，还是“吃葡萄不吐葡萄皮”这样的绕口令，记者们只需要动动嘴唇，系统都可以准确识别。

根据公开资料显示，谷歌唇读软件支持的词汇量只有17500个，而搜狗唇读系统可以支持的中文词汇超过十万个，在车载、智能家居等垂直应用领域，准确率超过90%。不得不承认，在唇读这个具体的领域，中国制造已经领先于大洋彼岸的科技巨头了。

有人或许好奇，唇读系统的技术难度在什么地方？为什么从谷歌到搜狗，科技公司都在这个领域进行研究，其发展和应用前景又在哪里？

唇读系统的技术难度

简而言之，唇语系统都是由“看——听——同步——写”四个人工智能板块组合而成的。首先，它要求系统要能够对人的嘴唇运动进行捕捉记录，然后将记录下来的内容输入为图像序列，根据图像信息，机器学习进行相应的图像文字解码，经过复杂的运算得出结果，再将内容同步至书写设备上。

此前，谷歌的方式是使用卷积神经网络对静止的图像进行分析，目的是辨认语言当中的最小单位，之后再逐步尝试去识别单词和词组。而搜狗采用的方式，是他们首创的复杂端到端深度神经网络技术，他们的优势是可以根据语言序列建模，直接识别整句话，不仅提升了识别速度，准确度也更高。

唇读系统的应用前景

读唇术看上去很科幻，许多人还不了解这项技术的 商业 潜力在什么地方。而根据目前业内人士的分析，其应用场景至少在以下几个方面：

首先，是对语音识别的进一步强化。唇语识别可以在环境嘈杂，语音识别受到干扰的情况下判断语音内容，这样就可以把语音识别的准确率提升到一个全新的水平，例如最基础的语音输入、车载指令、同声传译等方面的用户体验都可以随之得到提升。

其次，是在安保领域，可以判断无声指令。目前，我们国家的天网系统已经普及，但是只有摄像头，没有麦克风，对于许多治安问题的管理和侦破仍然是一个挑战。有了成熟的唇语识别系统之后，我们不仅可以拍下犯罪分子的容貌，甚至可以了解到他说了什么，这对于维护社会治安秩序是很用的帮助；

另外，在商业领域，唇语识别可以帮助进行残疾人教育，以及介入硬件产品，比如助听器的改进。对听力受损的残疾人来说，可以说是为他们架起了一座沟通的桥梁。

总结

无论是谷歌还是搜狗，他们的实践都证明唇语识别作为一项重要的人工智能技术，其应用场景极为广泛。牛津大学唇语技术研究团队的Yannis Assael就曾经向 媒体 表示，这一技术不仅有着前沿的技术意义，也具备着难以估量的商业可能，从军事到公益，从支付到智能家庭，众多行业都会因这项技术发生改变。而从行业内部看，这些提前进入唇语识别研究的公司与团队，将有更大的机会筑起属于自己的技术壁垒，这相当于为他们的商业版图打下了一个坚实的基础。