Lecteur de lèvres numérique

La reconnaissance vocale est une technologie promise depuis longtemps et qui commence enfin à porter ses fruits. Mais les meilleurs systèmes d'aujourd'hui ont tendance à échouer lorsque le haut-parleur est dans un endroit bruyant. Pour résoudre ce problème, les chercheurs ajoutent la lecture labiale au mélange.





Alors que les gens se fient tout le temps aux formes de la bouche pour interpréter la parole, la lecture labiale n'est pas une tâche simple pour un ordinateur. D'une part, chaque forme peut correspondre à plusieurs sons spécifiques. Pour aggraver les choses, les mouvements de la bouche commencent jusqu'à 120 millisecondes avant qu'un son ne soit émis. Les humains peuvent utiliser d'autres indices tels que le contexte de la phrase et les expressions faciales pour surmonter ces difficultés, mais jusqu'à récemment, les ordinateurs n'avaient pas la puissance de traitement pour le faire.

Le vol de Boeing pour la survie

Cette histoire faisait partie de notre numéro de septembre 2003

  • Voir le reste du numéro
  • S'abonner

À présent, des groupes d'Intel, d'IBM et d'autres institutions modifient les programmes de traitement du langage pour lier chaque son vocal à plusieurs mouvements de bouche possibles, permettant au logiciel de deviner au mieux ce qui est prononcé. Lors de tests dans des environnements bruyants, l'ajout d'informations visuelles a augmenté la précision de la reconnaissance vocale de 20 % à 75 %, explique Ara Nefian, chercheur principal chez Intel Research à Santa Clara, en Californie.



Au départ, cela est susceptible d'être plus utile pour les médecins et autres personnes travaillant dans des endroits bruyants qui ont besoin d'une meilleure précision du logiciel de dictée de bureau. Avec ce public à l'esprit, IBM construit une petite caméra dans le microphone à tige fourni avec le logiciel de reconnaissance vocale existant. Plus loin sur la route, les chercheurs envisagent le jour où votre tableau de bord de voiture pourrait avoir une caméra regardant vos lèvres pour les commandes à commande vocale, ou votre téléphone portable pourrait regarder ce que vous dites.

cacher