研究人員已經(jīng)開(kāi)發(fā)出一種能夠檢測(cè)“無(wú)聲語(yǔ)音”的AI模型

加州大學(xué)伯克利分校的研究人員已經(jīng)開(kāi)發(fā)出一種能夠檢測(cè)“無(wú)聲語(yǔ)音”的AI模型。該模型基于數(shù)字語(yǔ)音預(yù)測(cè)單詞并生成合成語(yǔ)音。肌電圖（EMG）的電極位于臉部和喉嚨，用于檢測(cè)無(wú)聲語(yǔ)音。

研究人員斷言，該模型可以為無(wú)法發(fā)出可聽(tīng)語(yǔ)音的人們啟用許多應(yīng)用程序，并可以幫助AI工具和其他響應(yīng)語(yǔ)音命令的設(shè)備進(jìn)行語(yǔ)音檢測(cè)。

該小組指出，以數(shù)字方式為無(wú)聲語(yǔ)音發(fā)聲具有廣泛的應(yīng)用。例如，它可以生成類(lèi)似于藍(lán)牙耳機(jī)的工具，該工具可以使個(gè)人繼續(xù)通話，而不會(huì)打擾周?chē)娜?。?dāng)環(huán)境聲音太大而無(wú)法捕獲可聽(tīng)見(jiàn)的語(yǔ)音或必須保持安靜時(shí)，這種設(shè)備將非常有用。

口頭閱讀AI是可以從靜音語(yǔ)音中捕獲單詞的AI的另一個(gè)示例。它可以為監(jiān)視設(shè)備供電，并支持聾人的用例。

研究人員使用了一種方法，其中將所需語(yǔ)句的音頻輸出目標(biāo)從發(fā)聲錄音轉(zhuǎn)換為無(wú)聲錄音。然后，使用WaveNet解碼器生成音頻語(yǔ)音預(yù)測(cè)。

通過(guò)比較發(fā)聲的EMG數(shù)據(jù)和基線訓(xùn)練的數(shù)據(jù)，發(fā)現(xiàn)發(fā)聲的EMG方法在從書(shū)中轉(zhuǎn)錄句子時(shí)，單詞錯(cuò)誤率降低了64%至4%，而基線降低了95%。研究人員開(kāi)源了約20小時(shí)的面部EMG數(shù)據(jù)集，以鼓勵(lì)對(duì)該領(lǐng)域進(jìn)行進(jìn)一步研究。

在其他工作中，中國(guó)的研究人員建立了諷刺檢測(cè)模型，該模型在多模式Twitter數(shù)據(jù)集上提供SOTA性能。Masakhane開(kāi)放源代碼非洲語(yǔ)言翻譯項(xiàng)目的成員已發(fā)布了 有關(guān)低資源機(jī)器翻譯的 案例研究。

責(zé)任編輯：lq