揭示AI唇语识别技术：Readtheirlips让视频转录变得轻而易举，隐私安全问题引发关注

随着人工智能技术的发展，一款能够解读唇语的AI软件引起了广泛关注。这款名为Readtheirlips的软件能够在视频中准确识别说话者的话语，即使是在小声说话的情况下也不例外。例如，在一段红毯视频中，布莱克·莱弗利低声说“好紧张”，尽管她的笑容使得肉眼难以辨别唇语，但AI却能轻松识别。就连侃爷这样说话时嘴巴动作不明显的人，其唇语也能被准确捕捉。

网友们对此反响热烈，有人希望将这一功能与Siri等语音助手结合，以便在无需大声说话的情况下进行操作；还有人表示想用它来测试“座机画质”的视频效果。然而，也有不少网友担忧这种技术可能会威胁到个人隐私，甚至有人表示打算戴上口罩来防止被识别。

为了验证Readtheirlips的实际效果，量子位进行了一系列测试。首先，使用了一段奥特曼在斯坦福大学的访谈视频作为测试对象，结果发现生成的文本与原始对话完全吻合。接着，又测试了马斯克的视频，尽管他有很多小表情，但AI的表现依然稳定。然而，当测试对象换成喜欢用手势辅助说话的小扎时，软件出现了识别错误。此外，在测试卡帕西的视频时，由于他说话速度过快，生成的文本也出现了部分错误。

根据测试结果，Readtheirlips更适合处理时间较短且说话者正脸对着镜头的视频。对于较长或说话速度较快的视频，识别效果则会下降。开发团队表示，他们正在努力改进这些问题，并计划逐步提高视频上传时长的限制。

Readtheirlips的工作原理基于大量标注数据的训练，通过面部检测识别嘴唇位置，提取嘴唇的几何特征，并分析嘴唇的动态变化。随后，模型将这些特征与训练数据中的特征进行匹配，识别出视频中人物所说的，并将其组合成完整的句子，确保语法和语义的准确性。最终，识别结果将以文本形式呈现。

Readtheirlips的开发团队Symphonic Labs是一家初创公司，成立于今年4月，目前团队规模不足10人。除了Readtheirlips，他们还开发了一款名为Symphonic的实时文本转录软件，同样基于唇语识别技术。

本文来源： 量子位【阅读原文】