Искусственный интеллект KAIST совершил прорыв в чтении по губам
...
Искусственный интеллект
Чтение занимает время?
Вы можете слушать статьиНовый этап в технологии чтения по губам
Система искусственного интеллекта DLLM-VSR от KAIST способна преобразовывать речь в текст без звука, анализируя движения губ на основе 433 часов размеченных видео. Этот подход установил новый рекорд с ошибкой всего 19,4% на стандартном тесте и открывает новые возможности для общения человека и машины.
Как работает DLLM-VSR и в чем его инновации
Сначала система выделяет слова с наивысшей уверенностью, затем постепенно заполняет пропуски, учитывая начало и конец предложения. Она оценивает разные варианты длины фраз, выбирая наиболее логичный результат. Такая методика повышает точность и гибкость технологии. Исследователи также работают над оптимизацией, чтобы система могла работать в реальном времени и без подключения к интернету.
Влияние на людей и перспективы применения
DLLM-VSR предназначена для улучшения коммуникации в шумных условиях и промышленных средах. Наибольшую пользу она принесет людям с нарушениями слуха, облегчая понимание речи без звука. Это поможет им в повседневной жизни и усилит социальную интеграцию.
Вопросы конфиденциальности и технические ограничения
Сейчас технология требует значительных вычислительных ресурсов, и ученые стремятся снизить эти требования для удобства использования на устройствах. Также существуют опасения по поводу приватности при использовании чтения по губам, что требует разработки этических и правовых норм.
Система DLLM-VSR от KAIST открывает новые горизонты в понимании речи без звука и становится важным шагом в развитии искусственного интеллекта, способным изменить жизнь людей.