新火種
2024-09-13 
小心！AI能「看懂」你的唇語，悄悄話不再安全！
小心悄悄話被AI聽見！（噓）
最近國外一款可以讀唇語的AI軟件火了！
具體效果如下：
紅毯上布萊克·萊弗利小聲說：“好緊張”，笑著說話時肉眼很難分辨唇語，但AI可以。
乍一看只能看見一排白牙（bushi）的侃爺，唇語也能被輕松破解。
看完后網友們開始紛紛評論，大開腦洞：
求“聯名”型網友：快把它和Siri結合一下吧！這樣我就不用像小傻子一樣對著電腦大喊了！
測評型網友：我想用它試試“座機畫質”的視頻！
擔心安全型網友：我有點害怕，我想戴口罩了。（嗚嗚）
實測 Readtheirlips 效果如何新火種整理了一些視頻，為大家親測了一下Readtheirlips的使用效果。
先試了一下奧特曼在斯坦福的訪談視頻，把生成的文本和原始對話對照了一下，內容完美契合~
而面對小表情比較多的老馬，Readtheirlips的發揮依舊穩定。
不過以上兩個視頻都是人物全程正臉對著鏡頭的。
換成了說話時愛比劃的小扎，Readtheirlips直接顯示錯誤。（視頻中人物不是全程正臉）
而主角換成卡帕西之后，因為他說話太快，生成的文本出現了識別錯誤的情況。（左側為Readtheirlips生成，右側為文字處理軟件生成）
最后，我們嘗試著上傳了一個16分鐘的視頻，Readtheirlips直接顯示錯誤，無法識別內容。
總結一下：
Readtheirlips識別視頻的時間在一分鐘左右 。
就像他們標明的那樣如果人物的正臉不能正對鏡頭，那么模型就很難給出正確答案。
而面對語速過快的視頻內容，Readtheirlips只能識別出其中的一些內容。
對此，團隊成員回應道：
而關于上傳視頻的時長限制，他們這么說：
AI如何“聽”悄悄話看完親測視頻，咱們也來嘮一下Readtheirlips的工作原理。
看看它是怎么讀取人類唇語的：
首先，研究團隊用大量的標注數據（已知的嘴唇運動動作及其對應的文本內容）來對模型進行訓練。
在此基礎上，用戶要上傳一段視頻，這段視頻要包含說話者的面部特寫，尤其是嘴部動作。
然后模型會對視頻進行嘴部運動的分析：先是通過面部檢測識別嘴唇的位置，然后再提取嘴唇的幾何特征，（形狀、開合程度、運動軌跡等），最后分析嘴唇在說話過程中的動態變化。（速度、方向和形狀變化）
之后，模型會將提取的嘴唇特征與訓練數據中的特征進行匹配，來識別出視頻中人物所說的內容。
將識別出的單詞或短語組合成完整的句子，進行一下上下文理解，確保語法和語義的正確性。
最終將識別出的內容輸出為文本形式。
開發團隊Readtheirlips的開發團隊Symphonic Labs是一家初創公司。
領英上顯示它今年4月份才剛剛成立，截至目前，公司人數不到10人。
他們之前還研發過一款通過閱讀唇語即可完成實時文本轉錄的軟件Symphonic
兩款軟件的試玩鏈接都已附上，感興趣的朋友們可以去嘗試一下~
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
