《狂飙》孟德海原台词到底是啥？看个剧还得会唇语？

孟德海你到底说了啥啊！｜《狂飙》

猜原剧情走向是唇读应用的新型场景。实际上，对于有听觉障碍的朋友来说，唇读是一种重要的交流方式。哪怕有助听器的帮助，视觉辅助也可以让他们“听”得更清楚。听力正常的人也常常会用到唇读——想一想，在嘈杂的餐馆里，为了听清楚别人说的话，你是不是也会不自觉地盯着对方看。

唇读要读的并不止是口唇，说话人的肌肉活动和面部表情也会提供许多信息；听者将这些视觉信息与大脑中储存的词语相联系和比较，从而理解说话人的语义。

说是“理解”，但在实际操作中却可能是“误解”，许多因素都会影响唇读的正确率。例如，以聋校学生为对象的几项研究发现，读出韵母比读出声母更容易；而对于/a/、/i/、/e/这样的不圆唇音，判断正确率则比/o/、/u/、/ü/这样的圆唇音更高。

仅仅判断单个声母或韵母已经很难了，研究显示准确率通常仅为50%～70%。实际场景中的应用更复杂：汉语里的4个声调，无法通过口唇形状判断；上下文的联系，需要读唇语的人靠语言理解能力和判断推理能力自行推测。

唇读是聋校教学的内容之一，需要的不仅是视觉感受能力和语言理解能力，还有培养判断推理能力；而且需要注意力高度集中才能完成。既然人工学习困难重重，那人工智能能不能助一臂之力呢？

在学唇语上，AI确实已经比普通人牛掰不少了。2016年11月，牛津大学训练了一个AI，叫Lipnet。Lipnet在唇读测试中达到了93.4%的准确度，远远把人类52.3%的成绩甩在身后；而且，它还能几乎实时地将无声视频处理成文本。

AI怎么识别唇语呢？它先从图像中识别出人脸，提取人说话时口型变化的特征，通过嘴型特征来识别音素。音素是最小的语音单位，例如汉语中的韵母/a/就是一个音素，AI可以依据不同的发音动作来分析音素。识别口型对应的发音后，AI可以进一步识别单词、句子，再将这些词句放在大数据里搜索，来判断哪个更可能是人会讲出的话。例如，“我是天才”还是“我是甜菜”，大数据会证明，前者的可能性更大。

Lipnet的表现看起来很不错，但其实，它更像是一个只会一项指定动作的AI。训练Lipnet的数据集有严重的局限性，这个数据集里虽然有成千上万个短视频，但视频高度相似——都是统一由志愿者念的，每个视频只有3秒钟，连打光都差不多。更“作弊”的是，每个句子都遵循以下的模式：

这样的傻瓜句型让AI能快速掌握规律。所以，即便测试的结果很不错，也有很多人不买帐。

在Lipnet面世的不久后，牛津大学（又是它！）和谷歌旗下研究人工智能的Deepmind合作开发，推出了另一个AI。这个AI识别唇语的准确率为46.8%，而在同一项测试里，专业唇读者的准确率只有12.4%。

捕捉口型的变化来识别语句 ｜ 参考文献 [1]

准确率降低了？并不是，相比于温室花朵的Lipnet，这个AI算是野战选手。训练它的数据集来自BBC上千个小时的政治视频，这里有不同的人、不同的口音和不同的打光，识别难度上了好几个台阶。研究者认为，它是在“野生”环境里摸爬滚打出来的，表现已经非常出色。

谷歌Deepmind联合开发的AI实时识别新闻中的唇语｜参考文献 [1]

国内也有类似的读唇语软件。2017年，搜狗推出了可以识别中文唇语的AI。搜狗AI开放平台表示，他们的唇语识别在口语测试集上的准确率超过60%；在车载、智能家居的场景里，可以达到90%的准确率。不过最近两年，国内外关于读唇语AI的研究尚未有突破性的进展。

一只成熟的唇语识别AI，在未来可以有很多应用。

在背景音嘈杂的环境中，它可以准确识别对方在说什么，不管对方有没有发出声音。如果我们想在安静的公共场合用语音交流，或者想偷偷使唤siri定个时、放首歌，甚至为了保密而只动口型，都可以用唇语识别。

唇语识别也可以应用在身份认证中。现在的人脸识别系统，可能会被带有人像的图片、视频蒙混过关；如果能将人脸识别和口令密码相结合，并采用唇语识别技术进行检测，安全性将会大为提高。

当然， 对于好不容易看到一部剧情在线、演员在线的电视剧，唇语识别AI恐怕还是圆了剧粉心中“最精彩的故事线”。

可惜的是，经过一番搜索，我们仍未找到能够给任意视频识别唇语的理想AI。所以，拜托科技公司搞快点，咱看点剧容易吗！

立即找唇语翻译去！