北京
你是否想過，有朝一日，你可以完全不發(fā)出聲音，僅憑口中的細(xì)微動作，就能與機(jī)器進(jìn)行私密的對話？這并非科幻小說的情節(jié)。一個全新的原型系統(tǒng)，正試圖用我們前所未見的方式，重新定義“說話的隱私”。
我們都知道，說話遠(yuǎn)比打字快，也正因如此，語音交互正變得前所未有的便捷。但這種便捷是有代價的——它幾乎毫無隱私可言。你在地鐵上、在開放的辦公室里用語音發(fā)送一條私密信息時，周圍所有人都可能成為被動的聽眾。而這個新系統(tǒng)的核心設(shè)計思路，恰恰是為了解決這個痛點：為你提供一種全新的、真正的語音隱私。
它的工作原理出奇得巧妙。研究人員開發(fā)了一個能夠“讀懂”舌頭的系統(tǒng)，它利用機(jī)器學(xué)習(xí)算法結(jié)合超聲成像技術(shù)，來捕捉舌頭在說話時的微妙運動，并將這些運動模式實時解碼為語言。想象一下，在你的下巴下方，有一個小型的超聲探頭，它像一面鏡子，能夠清晰地“拍攝”你舌頭的動態(tài)影像。原來，舌頭的運動包含著極其豐富的語音信息，每一種發(fā)音，都對應(yīng)著舌頭獨一無二的運動軌跡。系統(tǒng)正是通過學(xué)習(xí)這些軌跡，來理解你想說的每一個字。
這意味著，使用者可以真正地“說”出無聲的話語。由于這個系統(tǒng)完全不依賴聲波，它從根本上免疫于任何嘈雜環(huán)境的干擾。你在人聲鼎沸的街頭，或是在一場激烈的會議中，都可以通過它來傳遞指令或信息，而絲毫不受外界噪音的影響。更重要的是，這也是一種徹底的私密溝通方式——你可以說話，卻又不會被任何旁人“聽見”。
當(dāng)然，作為一個僅用了一個月時間就搭建出來的原型系統(tǒng)，它并非完美。目前，它基于大約50小時的訓(xùn)練數(shù)據(jù)集，語音識別的錯誤率在15.6%左右。初看之下，這個數(shù)字或許有些高，但請別忘了它背后的限制條件。更重要的是，所有的跡象都表明，這僅僅是一個訓(xùn)練數(shù)據(jù)量的問題。可以預(yù)期，隨著更多、更優(yōu)質(zhì)的數(shù)據(jù)投入訓(xùn)練，系統(tǒng)的表現(xiàn)將會迎來顯著的提升。此外，這個系統(tǒng)還展現(xiàn)出了跨說話者的泛化能力，只要使用者帶有相似的口音，它就能較好地工作。
目前看來，這個創(chuàng)意最大的掣肘，或許在于硬件本身。那個超聲探頭必須像接觸式麥克風(fēng)一樣，被固定在下巴下方。現(xiàn)在的探頭還只是一個現(xiàn)成的商用型號，在尺寸、重量和佩戴舒適性上，都遠(yuǎn)未達(dá)到優(yōu)化的狀態(tài)。如果這項技術(shù)被證明足夠有前景，我們未來或許能看到一個像創(chuàng)可貼一樣輕薄的貼片式探頭。
這無疑是一條與眾不同的技術(shù)路徑?；仡欉^去，我們見過在吸氣時低語的方法，也見過通過攝像頭解讀嘴唇與口部動作的方案。而這個“讀舌術(shù)”，以一種更直接、更內(nèi)在的方式，叩響了無聲交互的大門，讓人不禁好奇，它最終會將我們引向何方。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
