Lector de labios digital

El reconocimiento de voz es una tecnología prometida desde hace mucho tiempo que finalmente está comenzando a funcionar. Pero los mejores sistemas actuales tienden a fallar cuando el altavoz se encuentra en un lugar ruidoso. Para solucionar este problema, los investigadores están agregando la lectura de labios a la mezcla.





Si bien las personas confían en la forma de la boca todo el tiempo para interpretar el habla, la lectura de labios no es una tarea sencilla para una computadora. Por un lado, cada forma puede corresponder a varios sonidos específicos. Para empeorar las cosas, los movimientos de la boca comienzan hasta 120 milisegundos antes de que se emita un sonido. Los seres humanos pueden usar otras señales, como el contexto de la oración y las expresiones faciales, para superar estas dificultades, pero hasta hace poco, las computadoras carecían de la capacidad de procesamiento para hacerlo.

Vuelo de Boeing para la supervivencia

Esta historia fue parte de nuestro número de septiembre de 2003

  • Ver el resto del número
  • Suscribir

Ahora, grupos de Intel, IBM y otras instituciones están modificando los programas de procesamiento del lenguaje para vincular cada sonido vocal con varios posibles movimientos de la boca, lo que permite que el software adivine mejor lo que se está pronunciando. En pruebas en entornos ruidosos, agregar información visual aumentó la precisión del reconocimiento de voz del 20 al 75 por ciento, dice Ara Nefian, investigador principal de Intel Research en Santa Clara, CA.



Inicialmente, es probable que esto sea más útil para los médicos y otras personas que trabajan en lugares ruidosos que necesitan una mayor precisión del software de dictado de oficina. Con esta audiencia en mente, IBM está construyendo una pequeña cámara en el micrófono de brazo que viene con el software de reconocimiento de voz existente. Más adelante, los investigadores imaginan el día en que el tablero de su automóvil podría tener una cámara mirando sus labios en busca de controles activados por voz, o su teléfono celular podría ver lo que dice.

esconder