Британские ученые научили компьютер читать по губам
29 марта 2016 года
Ученые из университета Аст-Англии представили в Шанхае на конференции ICASSP компьютерную систему, способную читать человеческую речь по движению губ.
Разработанная исследователями программа анализирует видео, захватываемое с помощью камер. Речь человека была разделена на две составляющие - фонемы и виземы, которые представляют собой визуальный эквивалент фонем. При этом оказалось, что фонем больше, чем визем, для системы распознания потребовалась двухуровневая иерархическая система.
Сначала, отмечает N+1, ученые обучали классификаторы соотносить виземы со звуками, затем количество классификаторов было увеличено с тем, чтобы каждой виземе соответствовало несколько фонем.
Эффективность созданной системы пока невелика. При распознании непрерывной речи машина понимает точно 10-15% сказанного, когда произносятся отдельные фонемы, этот показатель возрастает до 25%. Ученые надеются усовершенствовать систему, чтобы применять ее в ситуациях, когда голоса на записи плохо слышны или аудиодорожка испорчена. Компьютерное чтение по губам также может быть востребовано в криминалистике.
Источники[править]
Любой участник может оформить статью: добавить иллюстрации, викифицировать, заполнить шаблоны и добавить категории.
Любой редактор может снять этот шаблон после оформления и проверки.
Комментарии[править]
Если вы хотите сообщить о проблеме в статье (например, фактическая ошибка и т. д.), пожалуйста, используйте обычную страницу обсуждения.
Комментарии на этой странице могут не соответствовать политике нейтральной точки зрения, однако, пожалуйста, придерживайтесь темы и попытайтесь избежать брани, оскорбительных или подстрекательных комментариев. Попробуйте написать такие комментарии, которые заставят задуматься, будут проницательными или спорными. Цивилизованная дискуссия и вежливый спор делают страницу комментариев дружелюбным местом. Пожалуйста, подумайте об этом.
Несколько советов по оформлению реплик:
- Новые темы начинайте, пожалуйста, снизу.
- Используйте символ звёздочки «*» в начале строки для начала новой темы. Далее пишите свой текст.
- Для ответа в начале строки укажите на одну звёздочку больше, чем в предыдущей реплике.
- Пожалуйста, подписывайте все свои сообщения, используя четыре тильды (~~~~). При предварительном просмотре и сохранении они будут автоматически заменены на ваше имя и дату.
Обращаем ваше внимание, что комментарии не предназначены для размещения ссылок на внешние ресурсы не по теме статьи, которые могут быть удалены или скрыты любым участником. Тем не менее, на странице комментариев вы можете сообщить о статьях в СМИ, которые ссылаются на эту заметку, а также о её обсуждении на сторонних ресурсах.
Ошибки из-за несовершенства раздельных классификаций согласных и гласных фонем[править]
Более 100 согласных фонем и порядка 29-35 гласных фонем разных языков, отображаемых в раздельных несовместимых классификациях ("научная" парадигма), утверждённых международной Фонетической Ассоциацией, не позволяют разработать эффективно работающий компьютерный код универсального машинного распознавателя звукового состава устной речи, произносимой на любом языке. Ещё хуже эта парадигма пригодна в приложении для компьютерного кода чтения по губам звукового потока устной речи.
Ведь разные варианты артикуляции (такие как примитивизмы, искажения, извращения, вычурности) одного и того же звука речи (не фонемы) считаются абсолютно разными фонемами. По губам почти невозможно даже специалистам лингвистам (фонологам, фонетистам) различать многие такие варианты артикуляции согласных и гласных звуков речи, якобы, фонем.
Например палатализованный гласный звук речи "Ы" ['y] называют самостоятельной гласной фонемой "И" [i]. Аналогично и остальные четыре палатализованные гласные звуки речи, произносимые в едином слоге после палатализованного согласного звука речи Ю, Ё, Я, Е (примеры: кЛЮв [kl'uv]; кЛЁн [kl'on]; кЛЯп [kl'ap]; сВЕт [sv'et]...) тоже называют самостоятельными фонемами, производными от которых называют твёрдые гласные звуки речи У; О; А; Э. Только опираясь на общую артикуляционную классификацию согласных и гласных звуков речи возможно создавать компьютерные коды для универсальных распознавателей звуков устной речи.
Источник: Макеев А.К. Общая классификация согласных и гласных звуков-знаков речи-мышления / А.К. Макеев // Культурология, искусствоведение и филология: современные взгляды и научные исследования: сб. ст. по материалам XXXIV Международной научно-практической конференции «Культурология, искусствоведение и филология: современные взгляды и научные исследования». – № 3(30). – М., Изд. «Интернаука», 2020. - 108 с. С. 65-75. http://internauka.org/archive2/phil/3(30).pdf
Alex makeyev (обсуждение) 19:28, 3 мая 2022 (UTC)
