搜狗公司于12月14日正式宣布推出了一项创新的人机交互技术——唇语识别系统，这是业内*对外展示的唇语识别技术。该系统通过机器视觉技术，无需依赖声音，仅凭观察说话人的唇部动作，就能准确解读其所说内容。
在搜狗举办的媒体沟通会上，唇语识别系统进行了现场演示，展示了其强大的识别能力。这一技术结合了机器视觉与自然语言处理，相较于传统的语音识别产品，其研发难度要大得多。
搜狗采用了复杂的端到端深度神经*技术，对中文唇语进行了序列建模，并进行了数千小时的真实唇语数据训练。在非特定人开放口语测试集上，搜狗唇语识别系统的准确率已超过60%，在特定场景如车载、智能家居等环境下，准确率甚至高达90%。值得注意的是，中文唇语识别的难度要高于英文，因为中文拥有四个声调，且声韵母组合复杂，建模数量远超英文。
搜狗开发唇语识别技术的初衷，是为了解决嘈杂环境下的语音识别准确度问题。目前，搜狗希望通过两种途径来解决这一问题：一是硬件层面的语音增强技术，通过屏蔽噪音来提高识别准确性；二是增加多模态信息，如唇语识别的图像信息，以辅助语音识别。
作为人机交互的一种新形式，唇语识别技术具有广泛的应用前景。在车载场景下，唇语识别可以规避周围噪音对语音指令的干扰，确保人车交互的准确性和稳定性。在公共场所，唇语识别可以保护说话内容的私密性。在安防领域，唇语识别技术可以帮助*人员从监控视频中获取重要的讲话信息，为公共安全提供有力支持。此外，唇语识别技术还具有巨大的公益价值，可以帮助先天性听障人群或老年人更好地理解和表达自己。
搜狗近年来一直致力于自然语言技术的研究，在语音识别、语义理解、机器翻译等领域取得了显著成果，并成功实现了产品落地。此次推出唇语识别技术，将进一步推动AI行业的技术革新和发展。