智东西（公众号：zhidxcom）
编译 | 吴菲凝
编辑 | 李水青
智东西4月17日消息，近日，康奈尔大学未来交互智能计算机接口（SciFi）实验室发布了一款声呐眼镜EchoSpeech，该产品能根据嘴唇、面部肌肉的运动走向来识别无声命令。这款看似普通的眼镜使用了声学感应和AI技术，并配备两对扬声器和麦克风，目前可以连续识别多达31条“无声语音指令”，准确率高达95%。
EchoSpeech的主要应用场景包括嘈杂环境、不方便交谈的场合以及私密对话，还能帮助语言障碍者与他人进行交流，兼具商业消费和医疗保健功能。研发团队通过AI深度学习管道，来破译面部运动的声波传输轨道，利用卷积神经网络来解码无声语言。
此外，研发团队目前正通过资助项目Ignite来实现设备技术的商业化，未来将实现一定范围内的推广使用。
这篇名为《EchoSpeech：由声学传感驱动的眼镜上的连续无声语音识别（EchoSpeech：Continuous Silent Speech Recognition on Minimally-obtrusive Eyewear Powered by Acoustic Sensing）》的论文本月将在德国汉堡举行的CHI（Conference on Human Factors in Computing Systems）计算机协会会议上发表。
论文链接为：
https://dl.acm.org/doi/10.1145/3534621
一、可识别佩戴者唇部运动，转换准确率高达95%
康奈尔大学信息科学学院博士生张瑞东，也是EchoSpeech声呐技术研究的主要参与者、论文的主要作者，在视频中演示了EchoSpeech眼镜的外形、工作原理和使用方法。
在外人看来，张瑞东像是在奇怪地自言自语，他明明在说话却没有发生任何声音。实际上，他正在向EchoSpeech念密码来解锁自己的手机，并让它播放音乐列表中的下一首歌曲。
这种像在电影中才能实现的场景不是心灵感应，而是康奈尔大学最新发布的一项新产品EchoSpeech。该产品能根据嘴唇、面部肌肉的运动走向来识别无声命令。
据康奈尔大学计算与信息科学学院助教、科学实验室主任张成说，研究团队正在通过这项技术，将声呐“转移到人们的身上”。EchoSpeech眼镜下方配备了一对麦克风和一个比铅笔头上的橡皮擦更小的扬声器，这两个工具组成了眼镜的AI声呐系统，能向面部发送和接收声波并感应佩戴者的唇部运动。
与此同时，当佩戴者试图无声交流时，研究人员开发出的深度学习算法会实时分析这些回波轮廓，目前的准确率约为95%。