天津理工大學(xué)鯨言創(chuàng)益團(tuán)隊(duì)研發(fā)手語實(shí)時翻譯系統(tǒng)——

　　讓人工智能看懂手語(解碼·走近新職業(yè))

　　核心閱讀

　　一邊是聽障人士打著手語，一邊是屏幕上自動“翻譯”出文字。為了讓更多聽障人士被“聽見”，天津理工大學(xué)鯨言創(chuàng)益無障礙智能科技研發(fā)團(tuán)隊(duì)用近5年時間，構(gòu)建起視頻語料庫，研發(fā)“復(fù)雜場景下中國手語實(shí)時翻譯系統(tǒng)”，讓人工智能技術(shù)帶給人們更多便利。

　　攝像頭前，張益彬左右手交替揮舞，嘴角伴隨手語動作微微上揚(yáng)，一旁的顯示屏上，“陽光總在風(fēng)雨后”7個字立刻顯示出來……

　　張益彬是天津理工大學(xué)聾人工學(xué)院網(wǎng)絡(luò)工程專業(yè)2019級學(xué)生，也是該校鯨言創(chuàng)益無障礙智能科技研發(fā)團(tuán)隊(duì)的成員。在這個近60人的團(tuán)隊(duì)中，超過一半成員是和張益彬一樣的聽障學(xué)生，他們用近5年時間構(gòu)建起一個包含30余萬條視頻的語料庫。如今，團(tuán)隊(duì)打造的“復(fù)雜場景下中國手語實(shí)時翻譯系統(tǒng)”即將落地應(yīng)用。

　　大膽嘗試，將手語實(shí)時翻譯為語音或文字

　　2006年，袁甜甜成為天津理工大學(xué)聾人工學(xué)院計算機(jī)系的一名教師，對她來說，教學(xué)最大的困難是交流障礙。

　　當(dāng)時，語音識別軟件尚未問世，學(xué)生又都是聽障人士，袁甜甜只能硬著頭皮自學(xué)手語，“一堂課下來，手舞足蹈，經(jīng)常滿頭大汗，一望臺下，學(xué)生們還是一臉茫然?！痹鹛鹫f，向?qū)W生傳遞信息很難，難上加難的是了解學(xué)生的想法。

　　第二次全國殘疾人抽樣調(diào)查數(shù)據(jù)顯示，我國約有聽障人士2780萬人?！皶r至今日，手語仍是聽障人士的‘母語’。”袁甜甜說，盡管近年來語音識別軟件普及，但表達(dá)的邏輯出發(fā)點(diǎn)始終繞不開健聽人，“對于聽障人士來說，聽懂是一方面，但他們最渴望的，還是被‘聽見’。”

　　2016年底，手語識別系統(tǒng)的雛形開始在袁甜甜腦海中清晰起來?！奥犝先耸吭跀z像頭前打出手語，視頻畫面經(jīng)過計算機(jī)的分析處理，轉(zhuǎn)換為文字或者語音。”袁甜甜闡釋設(shè)想，創(chuàng)新的邏輯出發(fā)點(diǎn)從健聽人變成了聽障人，也意味著沒有成熟的方案可以借鑒。“這是一次關(guān)乎‘表達(dá)’的探險?！痹鹛鹫f。

　　構(gòu)建算法，給計算機(jī)編一套手語教材

　　如果說“手語識別”和“語音識別”還有一些相似之處，那就是二者都必須依托于豐富的語料庫。如今，語音識別語料庫已十分成熟豐富，“語音的語料在自然狀態(tài)下非常便于獲取，但手語語料卻非常少。”袁甜甜說。

　　“另外，語音是一種‘單信道’的形式，而手語是‘多信道’，計算機(jī)要識別的不只有動作，還有表情和場景?！痹鹛鸾榻B，從對數(shù)據(jù)采集的支撐程度看，我國目前手語語言學(xué)的體系性并不強(qiáng)，“手語方言”比比皆是，這就給數(shù)據(jù)采集造成了極大困難。

　　“要將設(shè)想變?yōu)楝F(xiàn)實(shí)，就要先確立標(biāo)準(zhǔn)?！痹鹛鹫f，她和團(tuán)隊(duì)成員確定了先易后難的思路，基于國家通用手語的標(biāo)準(zhǔn)采集數(shù)據(jù)，“簡單來講，我們翻譯的是手語里的‘普通話’?！?/p>

　　王建源是聾人工學(xué)院網(wǎng)絡(luò)工程專業(yè)2018級學(xué)生，也是鯨言創(chuàng)益團(tuán)隊(duì)的初創(chuàng)成員。他的工作是收集手語語料，這些語料便是視頻畫面?！罢心贾驹刚?，請他們來錄視頻，反反復(fù)復(fù)地錄。”王建源“說”。

　　王建源從小在特殊學(xué)校求學(xué)，父母也都是聽障人士，他從不避諱在健聽人面前打出手語，因?yàn)樗X得手語很美?！暗?，手語的美是復(fù)雜的，這個工程量太大了！”王建源笑著“說”。

　　兩年時間里，王建源和團(tuán)隊(duì)其他成員幾乎每天都準(zhǔn)時出現(xiàn)在學(xué)院的實(shí)驗(yàn)室，有時忙到很晚，干脆席地而睡。如今，他們已經(jīng)收集到30余萬條語料，“經(jīng)過測算對比，距離中國漢語水平考試的4級水平僅差100多個詞了。”王建源介紹。

　　手語是一門視覺語言，有特定的語法、語序。手勢、表情、肢體動作自由排列組合，表達(dá)的便是不同的意思。在袁甜甜的設(shè)想中，這套系統(tǒng)呈現(xiàn)的內(nèi)容，不應(yīng)該是由漢語單詞羅列而成的句子，而是在輸入端和輸出端既要遵循手語語序、語境，也要符合漢語的表述邏輯。

　　天津理工大學(xué)計算機(jī)學(xué)院研一學(xué)生孫悅把自己在團(tuán)隊(duì)中的工作形容為“修橋”。“就拿‘陽光總在風(fēng)雨后’這句話來說，手語的語序是‘風(fēng)/雨/結(jié)束/陽光’，這顯然讓人看不懂?！睂O悅說，她和伙伴們逐漸構(gòu)建起一套手語識別算法框架模型，“通俗來說，就是我們給計算機(jī)編了一套‘手語教材’?！庇辛诉@套“教材”，豐富的語料庫就有了用武之地，相當(dāng)于找到了手語轉(zhuǎn)換為漢語的規(guī)律，“橋”修通了，數(shù)據(jù)才能跑得順暢。如今，這個模型已經(jīng)基本能夠?qū)崿F(xiàn)“復(fù)雜場景下的手語實(shí)時翻譯”。

　　搭建橋梁，手語翻譯應(yīng)用于更多場景

　　2019年，袁甜甜領(lǐng)銜的“復(fù)雜場景下中國手語實(shí)時翻譯系統(tǒng)”入選工信部新一代人工智能產(chǎn)業(yè)創(chuàng)新重點(diǎn)任務(wù)揭榜項(xiàng)目，并獲得國家資金支持，這也加快了整個團(tuán)隊(duì)前進(jìn)的步伐。

　　去年5月，他們把研究成果帶進(jìn)了在天津舉行的第五屆世界智能大會的會場，獲得點(diǎn)贊?！爱?dāng)時系統(tǒng)已經(jīng)涵蓋教育、法律、餐飲、交通等應(yīng)用場景，在光線充足的環(huán)境下，識別率可達(dá)95%?！痹鹛鹫f，如今，這套系統(tǒng)還在升級，“我們的目標(biāo)是100萬條語料，基本覆蓋社會生活的常用場景。”

　　最讓張益彬難忘的是，去年10月，他和團(tuán)隊(duì)合力研發(fā)的項(xiàng)目《“鯨可語”——多模態(tài)連續(xù)手語自動標(biāo)注識別系統(tǒng)》榮獲第七屆中國國際“互聯(lián)網(wǎng)+”大學(xué)生創(chuàng)新創(chuàng)業(yè)大賽全國總決賽金獎，而自動標(biāo)注識別是手語翻譯的關(guān)鍵一環(huán)。這也證明了“張益彬們”的努力得到了國內(nèi)科創(chuàng)界的高度關(guān)注。

　　聞訊而來的合作方越來越多，這讓團(tuán)隊(duì)成員對于系統(tǒng)未來的應(yīng)用場景有了無盡暢想。不久前，天津市急救中心也找到他們，希望引入這套系統(tǒng)?！敖?jīng)常碰到急救對象是聽障人士，生命垂危之際，打字交流效率太低了，往往只能用手語表達(dá)?！痹鹛鹫f。

　　今年之內(nèi)，這套系統(tǒng)將應(yīng)用于天津理工大學(xué)的辦公樓。到時，樓內(nèi)大廳將出現(xiàn)一個交互機(jī)器人和一塊交互大屏，所有聽障人士都可以被“聽見”。

　　本報記者 李家鼎