語音識別是什么？

智匯有初｜為什么AI手勢控制是下一個AI語音控制交互方式？https://www.toutiao.com/i6952765947732132384/

摘要：人類進入人工智能時代，從機械地替代人類動作的自動化技術到智能地代替人類“思考”的AI技術，一場交互方式革命正在發生，已經爆發的AI語音控制交互方式，正在崛起的AI手勢控制交互方式，甚至未來的高層次腦電流交互方式，我們需要重新審視技術世界的交互思維。

一、概述

在語言誕生前，手勢是人類最基本、最原始、最簡單的溝通方式，也是最能抵抗環境干擾的交互方式，如語音控制需要近距離安靜、單純的環境才能進行精準識別，智匯有初Space Touching技術為語音控制之外提供一種新的AI交互方式。

以噪音環境、無菌環境、觸電環境、野戰環境……激烈的談話環境不適合語音識別的使用，無菌實驗室需要盡可能避免交叉感染，高電壓場景無接觸絕緣；野外作戰傳遞信息不允許語音為例，單一的AI交互方式無法滿足，為手勢控制提供了發揮空間。

或者更具體的場景，如智能汽車、智能手機、平板電腦、筆記本電腦、智能手表和智能電視……AI交互方式正在進入科技巨頭IoT體系：

在智能電視（或智慧屏）的客廳，正在播放中的電視不適合語音控制精準識別，一個手勢就能解決問題。

在駕駛汽車時，正在播放的廣播或音樂不適合語音控制，而手勢控制不僅可以避開聲音干擾，更可以避免視線離開的交通事故風險，一個手勢搞定。

在廚房油煙機運轉時，廚房的噪音形成強大語音干擾，而手勢控制不僅繞開噪音干擾，更避免做飯的手接觸油煙機。

也就是說，像手機、臺燈、開關、門、窗……智慧生活全場景，都可以手勢控制代替語音控制，畢竟眼睛比耳朵信息讀取能力更強。

二、Space Touching技術業務場景

在AI視覺算法領域，有人臉識別、肢體識別、步態識別、手勢識別…… 智匯有初的主要研究方向“高精度”人機交互視覺算法，包括物體識別、肢體識別、步態識別、手勢識別，重點突破高精度算法，做到0.01mm（八分之一頭發絲直徑）動作的識別。

而且，智匯有初Space Touching技術可以識別108種動作，識別距離做到了3米以上，做到無網絡物體識別，進一步擴大了高精度應用場景：

在高精度電路板場景

大批量電路板表面瑕疵

人眼無法做到

智匯有初0.01毫米識別精度可以

在高精度寶石加工表面場景

珍貴珠寶藝術要求無止境

人眼和放大鏡難以識別瑕疵

智匯有初0.01毫米識別精度可以

在高精度機器人動作矯正場景

分毫誤差決定工業品生死的領域

人的波動性大而不準

智匯有初0.01毫米識別精度可以

……

一瓶紅酒需要長時間靜止

一旦紅酒柜存在震動

酒的品質就大受影響

而小震動肉眼難見

除了這些高精度使用場景的客戶需求外，智匯有初的業務場景已經做到了“汽車的門、空調、音箱、窗、后視鏡手勢控制改裝”、“智能油煙機開關、風量手勢控制改裝”、“抓娃娃機前后左右移動、抓取手勢控制定制”、“電腦觸控板前后左右移動、隱藏網頁、放大網頁、開關手勢控制”、“窗簾的開關”、“實體大屏的手勢控制游戲互動”、“投影屏幕的手勢控制游戲互動”等消費場景。

在AI x IoT互聯互通生態中，智匯有初已經具備高精度識別與控制技術能力，并得到實體場景驗證，聯合智能電視（或智慧屏）廠商、智能汽車廠商定制手勢控制交互方式，相信這一天不會太久。

三、Space Touching技術邏輯

在技術方面來講，AI語音識別模擬人類耳朵，而AI視覺識別模擬人類眼睛，是一種繼一維按鍵、二維觸屏的第三代三維交互方式，取代遙控器、按鍵、觸控板，實現“手勢識別、步態識別、人體動作識別”，用戶“少交互、AI交互、隔空交互”，提升交互效率和體驗，也更科技、安全、方便。

第一步：識別動作

攝像頭或位置傳感器，對空間的手勢、關節姿態、物體運動等精準識別；

第二步：信息處理

圖像處理器和處理軟件，基于圖像處理算法，建立人體動作模型；

第三步：執行動作

驅動硬件交互執行，實現人體空間動作的精準定位與識控。

一個技術商業化就要做到商業化需求的指標，Space Touching技術有三大技術指標領跑全球。

a.微：將空間動作識別技術實現模塊化；

b.精：識別精準度達0.01mm；

c.?。耗K體積全球最小。

以手勢控制娃娃機為例，技術模塊約為“1元硬幣”大小。

以光電腦為例，沒有硬件外設，體積做到了巴掌大。

四、AI的學習與數據優化閉環

像人一樣，從一個懵懂的嬰兒什么都不懂到一個博士畢業的科技工作者，人的學習讓人變得越來越適應、理解世界的規則，并形成自己的獨特智商資產壁壘，領先不學無術的人。

其實，AI手勢控制也經歷了AI語音控制、AI人臉識別同樣的算法、數據問題，從一個只有初級算法工具的階段到數據不斷積累迭代，不斷完善、升級算法的策略、方式，深度學習的AI算法逐漸達到用戶的需求目標，并越來越精確，越來越好用，形成精準度和大數據的壁壘，建立自己的護城河。

10年前開始，智匯有初的哈爾濱工業大學博士團隊就開始做Space Touching技術研發工作，而航天領域的工科強校哈爾濱工業大學機器人專業又是中國第一，大批企業合作實驗數據和長期的算法策略實踐成為難得的資源，可以說，0.01mm識別精度非哈爾濱工業大學機器人博士無法突破。

五、未來憧憬

智匯有初的哈爾濱工業大學機器人博士研發團隊，10年的研發做到了多點手勢識別、0.01mm識別精度、108種動作識別以及技術的小模塊化，在識別精度、算法策略、業務場景方面進行了許多探索和嘗試，大場景低精度的肢體識別難度不大，人場景更近的高精度手勢識別需求更高頻，也堅信手勢控制技術的爆發是時間問題：

憧憬一：三維手勢建模的商業場景應用

把人的手關鍵進行三維建模，并精準定位關節點進行動態跟蹤，完成手勢一舉一動的意圖識別和定義識別。

人體運動本能與生俱來，手勢的識別嵌入商業場景，成為關鍵的交互模塊，如電商產品試穿試戴、VR/AR的手部動作識別、手語的識別、動作有關的在線培訓、創意視頻特效拍攝等場景，讓非面對面溝通更立體、具象，也更有趣、高效。

憧憬二：手勢交互的入口級場景應用

在智能汽車、家居、手機等使用場景，單純的語音控制無法解決許很多關鍵場景問題，而手勢控制輕而易舉就做到了，尤其智能手機、平板電腦、智能電視（或智慧屏）、智能手表等入口級應用，連接著AI x IoT智能生活生態。

一些品牌已經探索簡單的手勢控制應用，如手機、平板電腦等，甚至這些入口應用控制全屋、全生態。

憧憬三：非語音或安全需求場景應用

沒有一種交互方式能解決所有交互需求，一種交互方式有主要使用場景，也有使用場景的局限，需要其它交互方式彌補，包括語音交互、手勢交互、腦電流交互。

在噪音干擾環境，單純的AI語音控制瞬間失效，如工廠車間、音視頻播放、演唱會、油煙機等，手勢控制成為很好的解決方案，而安全要求的環境，如野外作戰、觸電環境、細菌環境、會議環境，手勢控制成為絕佳替代方案。