天津理工大學鯨言創益團隊研發手語實時翻譯系統——讓人工智慧看懂手語

核心閱讀

一邊是聽障人士打著手語，一邊是螢幕上自動“翻譯”出文字。為了讓更多聽障人士被“聽見”，天津理工大學鯨言創益無障礙智慧科技研發團隊用近5年時間，構建起視頻語料庫，研發“複雜場景下中國手語實時翻譯系統”，讓人工智慧技術帶給人們更多便利。

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，一旁的顯示屏上，“陽光總在風雨後”7個字立刻顯示出來……

張益彬是天津理工大學聾人工學院網路工程專業2019級學生，也是該校鯨言創益無障礙智慧科技研發團隊的成員。在這個近60人的團隊中，超過一半成員是和張益彬一樣的聽障學生，他們用近5年時間構建起一個包含30余萬條視頻的語料庫。如今，團隊打造的“複雜場景下中國手語實時翻譯系統”即將落地應用。

大膽嘗試，將手語實時翻譯為語音或文字

2006年，袁甜甜成為天津理工大學聾人工學院電腦係的一名教師，對她來説，教學最大的困難是交流障礙。

當時，語音識別軟體尚未問世，學生又都是聽障人士，袁甜甜只能硬著頭皮自學手語，“一堂課下來，手舞足蹈，經常滿頭大汗，一望台下，學生們還是一臉茫然。”袁甜甜説，向學生傳遞資訊很難，難上加難的是了解學生的想法。

第二次全國殘疾人抽樣調查數據顯示，我國約有聽障人士2780萬人。“時至今日，手語仍是聽障人士的‘母語’。”袁甜甜説，儘管近年來語音識別軟體普及，但表達的邏輯出發點始終繞不開健聽人，“對於聽障人士來説，聽懂是一方面，但他們最渴望的，還是被‘聽見’。”

2016年底，手語識別系統的雛形開始在袁甜甜腦海中清晰起來。“聽障人士在攝像頭前打出手語，視頻畫面經過電腦的分析處理，轉換為文字或者語音。”袁甜甜闡釋設想，創新的邏輯出發點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。“這是一次關乎‘表達’的探險。”袁甜甜説。

構建演算法，給電腦編一套手語教材

如果説“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託于豐富的語料庫。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下非常便於獲取，但手語語料卻非常少。”袁甜甜説。

“另外，語音是一種‘單信道’的形式，而手語是‘多信道’，電腦要識別的不只有動作，還有表情和場景。”袁甜甜介紹，從對數據採集的支撐程度看，我國目前手語語言學的體系性並不強，“手語方言”比比皆是，這就給數據採集造成了極大困難。

“要將設想變為現實，就要先確立標準。”袁甜甜説，她和團隊成員確定了先易後難的思路，基於國家通用手語的標準採集數據，“簡單來講，我們翻譯的是手語裏的‘普通話’。”

王建源是聾人工學院網路工程專業2018級學生，也是鯨言創益團隊的初創成員。他的工作是收集手語語料，這些語料便是視頻畫面。“招募志願者，請他們來錄視頻，反反覆復地錄。”王建源“説”。

王建源從小在特殊學校求學，父母也都是聽障人士，他從不避諱在健聽人面前打出手語，因為他覺得手語很美。“但是，手語的美是複雜的，這個工程量太大了！”王建源笑著“説”。

兩年時間裏，王建源和團隊其他成員幾乎每天都準時出現在學院的實驗室，有時忙到很晚，乾脆席地而睡。如今，他們已經收集到30余萬條語料，“經過測算對比，距離中國漢語水準考試的4級水準僅差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，表達的便是不同的意思。在袁甜甜的設想中，這套系統呈現的內容，不應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。

天津理工大學電腦學院研一學生孫悅把自己在團隊中的工作形容為“修橋”。“就拿‘陽光總在風雨後’這句話來説，手語的語序是‘風／雨／結束／陽光’，這顯然讓人看不懂。”孫悅説，她和夥伴們逐漸構建起一套手語識別演算法框架模型，“通俗來説，就是我們給電腦編了一套‘手語教材’。”有了這套“教材”，豐富的語料庫就有了用武之地，相當於找到了手語轉換為漢語的規律，“橋”修通了，數據才能跑得順暢。如今，這個模型已經基本能夠實現“複雜場景下的手語實時翻譯”。

搭建橋梁，手語翻譯應用於更多場景

2019年，袁甜甜領銜的“複雜場景下中國手語實時翻譯系統”入選工信部新一代人工智慧産業創新重點任務揭榜項目，並獲得國家資金支援，這也加快了整個團隊前進的步伐。

去年5月，他們把研究成果帶進了在天津舉行的第五屆世界智慧大會的會場，獲得點讚。“當時系統已經涵蓋教育、法律、餐飲、交通等應用場景，在光線充足的環境下，識別率可達95％。”袁甜甜説，如今，這套系統還在升級，“我們的目標是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，他和團隊合力研發的項目《“鯨可語”——多模態連續手語自動標注識別系統》榮獲第七屆中國國際“網際網路＋”大學生創新創業大賽全國總決賽金獎，而自動標注識別是手語翻譯的關鍵一環。這也證明了“張益彬們”的努力得到了國內科創界的高度關注。

聞訊而來的合作方越來越多，這讓團隊成員對於系統未來的應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。“經常碰到急救對像是聽障人士，生命垂危之際，打字交流效率太低了，往往只能用手語表達。”袁甜甜説。

今年之內，這套系統將應用於天津理工大學的辦公樓。到時，樓內大廳將出現一個交互機器人和一塊交互大屏，所有聽障人士都可以被“聽見”。

《人民日報 》（ 2022年07月08日 第11版）