加州大學伯克利分校的研究人員已經(jīng)開發(fā)出一種能夠檢測“無聲語音”的AI模型。該模型基于數(shù)字語音預測單詞并生成合成語音。肌電圖（EMG）的電極位于臉部和喉嚨，用于檢測無聲語音。

研究人員斷言，該模型可以為無法發(fā)出可聽語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)語音命令的設(shè)備進行語音檢測。

該小組指出，以數(shù)字方式為無聲語音發(fā)聲具有廣泛的應(yīng)用。例如，它可以生成類似于藍牙耳機的工具，該工具可以使個人繼續(xù)通話，而不會打擾周圍的人。當環(huán)境聲音太大而無法捕獲可聽見的語音或必須保持安靜時，這種設(shè)備將非常有用。

口頭閱讀AI是可以從靜音語音中捕獲單詞的AI的另一個示例。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，其中將所需語句的音頻輸出目標從發(fā)聲錄音轉(zhuǎn)換為無聲錄音。然后，使用WaveNet解碼器生成音頻語音預測。

通過比較發(fā)聲的EMG數(shù)據(jù)和基線訓練的數(shù)據(jù)，發(fā)現(xiàn)發(fā)聲的EMG方法在從書中轉(zhuǎn)錄句子時，單詞錯誤率降低了64%至4%，而基線降低了95%。研究人員開源了約20小時的面部EMG數(shù)據(jù)集，以鼓勵對該領(lǐng)域進行進一步研究。

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

責任編輯：lq