Lettore labbra digitale

Il riconoscimento vocale è una tecnologia promessa da tempo che sta finalmente iniziando a dare risultati. Ma i migliori sistemi di oggi tendono a guastarsi quando l'altoparlante si trova in un luogo rumoroso. Per risolvere questo problema, i ricercatori stanno aggiungendo la lettura delle labbra al mix.





Mentre le persone si affidano sempre alla forma della bocca per interpretare il discorso, la lettura delle labbra non è un compito semplice per un computer. Per prima cosa, ogni forma può corrispondere a diversi suoni specifici. A peggiorare le cose, i movimenti della bocca iniziano fino a 120 millisecondi prima che venga emesso un suono. Gli esseri umani possono utilizzare altri segnali come il contesto della frase e le espressioni facciali per superare queste difficoltà, ma fino a poco tempo fa i computer non avevano la potenza di elaborazione per farlo.

Il volo di Boeing per la sopravvivenza

Questa storia faceva parte del nostro numero di settembre 2003

  • Vedi il resto del problema
  • sottoscrivi

Ora i gruppi di Intel, IBM e altre istituzioni stanno modificando i programmi di elaborazione del linguaggio per collegare ogni suono vocale a diversi possibili movimenti della bocca, consentendo al software di fare un'ipotesi migliore su ciò che viene pronunciato. Nei test in ambienti rumorosi, l'aggiunta di informazioni visive ha aumentato la precisione del riconoscimento vocale dal 20% al 75%, afferma Ara Nefian, ricercatore senior presso Intel Research a Santa Clara, in California.



Inizialmente, è probabile che questo sia più utile per i medici e altri che lavorano in luoghi rumorosi che necessitano di una migliore precisione dal software di dettatura dell'ufficio. Con questo pubblico in mente, IBM sta costruendo una minuscola telecamera nel microfono ad asta fornito con il software di riconoscimento vocale esistente. Più avanti, i ricercatori immaginano il giorno in cui il cruscotto della tua auto potrebbe avere una telecamera che scruta le tue labbra per i controlli a comando vocale, o il tuo cellulare potrebbe guardare quello che dici.

nascondere