DeepMindのAI、読唇でも人間のプロに勝つ
米Google傘下のDeepMindと英オックスフォード大学エンジニアリング科学学部は11月16日、「Lip Reading Sentences in the Wild」と題す論文を公開（リンク先はPDF）した。
人間が何を話しているかを、口の動きだけで読み取る「読唇（lip readinig）」ための、ディープラーニングベースの人工知能（AI）開発に関する論文だ。
このプロジェクトでは、英国営放送BBCで2010年1月～2015年12月に放映した5000時間以上の番組をAIに“見せ”ることで訓練した。これらの動画には11万8000以上のセンテンス（文章）が含まれている。
こうして育てた結果、未見のBBC番組でテストしたところ、読唇のプロの人間が12.4％読み取ったところ、AIは46.8％読み取れたという。しかも、ミスのほとんどは、複数形を表す語尾の「s」を抜かすといった小さなミスだったとしている。
プロジェクトチームのジョーン・ソン・チャン教授が公開した動画（記事末に転載）を見ると、動画に合わせてAIが字幕をほぼリアルタイムで表示している。
プロジェクトチームは、トレーニングリソースとしてBBCのデータセットを公開する計画だ。
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
こんなメディアも見られています
ITmedia NEWSに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
SpecialPR
本日の新着記事
アクセスランキング
-
1
「楽天銀行から数百万が勝手に移動」「残高が0に」……楽天証券のシステム不具合、連休中に発生
-
2
「クリスタ」素材、大量非公開でユーザー混乱 人物だけでなくペンや公式素材まで セルシス「誤判定もあった」が……
-
3
台風25号で“地下神殿”また稼働 雨水が流れ込む動画公開 今年度7回目で過去最多に
-
4
大雨で「首都圏外郭放水路」稼働 濁流が“地下神殿”を満たすまでの動画公開 国交省
-
5
JCOM障害「インターネットが使えない」 サポート窓口もつながりにくく
-
6
NTT東西が「にじさんじ電報」発売 ポップアップ台紙にはライバーの複製手書きメッセージ
-
7
楽天証券、追加認証の必須化で一部にトラブルか 「無限ループ」「ログインできん」
-
8
「モンスト」キャラの声をAI生成、MIXIのニュース紹介企画に批判続出 実施見合わせへ
-
9
J:COM「ネットつながらない」障害、約9時間で復旧 原因は「調査中」
-
10
ゼロから声を作れる音声生成モデル「Gemini 3.8 Flash TTS」公開 「Gemini Notebook」でも利用可能に
ITmedia NEWS SNS
@itmedia_newsをフォロー
インフォメーション
注目情報をチェック
ITmediaNEWSをフォロー
あなたにおすすめの記事PR