Google vyvíjí software, který dokáže číst vaše rty s překvapivou přesností. Program dokáže rozpoznat až 17 500 slov. Televize je opět klíčová. Vědci z oddělení umělé inteligence DeepMind společnosti Google analyzovali hodiny.
Program má kapacitu rozpoznat až 17 500 slov.
Televize je opět klíčová. Vědci z divize umělé inteligence DeepMind společnosti Google, Analyzovali televizní hodiny a vyvinuli nejlepší software pro čtení rtů. Projekt byl proveden ve spolupráci s Oxfordskou univerzitou, která se již roky snaží vytvořit program s těmito funkcemi, o čemž svědčí rozsáhlá výzkumná práce, která byla výchozím bodem pro inženýry společnosti Google.
Takto to udělali. Aby software umožnil rozpoznat co nejvíce slov a gest, zaznamenali vědci Google 5 000 hodin britské televize na umělou neuronovou síť. Těchto 208 dní je více než Mr. Bean. Výsledek byl Program, který dokáže zachytit slova s přesností 48,6%, je mnohem vyšší než u 12,4% lidí.
Přestože se softwaru LipNet vyvinutému společností Oxford podařilo rozpoznat až 90% slov, kterým je vystaven, program DeepMind, přezdívaný „Podívejte se, poslouchejte, poslouchejte a zapisujte“, byl trénován, aby porozuměl obrázkům mnohem více. komplex. Google podrobil svou technologii populárním pořadům BBC. Novinky v noci, Doba vyhrazená pro otázky a dnešní světObsahuje 110 000 různých frází a asi 17 500 jedinečných slov. Na rozdíl od toho může LipNet přečíst celkem pouze 51 slov.
“Účelem této studie je rozpoznat výrazy a věty vyjádřené mluvící tváří, s hlasem nebo bez hlasu.. „Na rozdíl od předchozích studií zaměřených na rozpoznávání omezeného počtu frází nebo slov narazíme na čtení rtů jako na otázku otevření světa, který může zahrnovat přirozené výrazy a šílená videa,“ uvedl tým. Google.
Stále existují spekulace o praktickém účelu takového softwaru, což by mohlo pomoci lidem s určitým typem sluchového postižení. Program však bude určitě schopen vyvinout širokou škálu aplikací, včetně titulků k filmům a běhu digitálních asistentů (Siri nebo Alexa). dokonce dokážou rozpoznat gesta.
