本報北京3月18日電（記者鄧暉）一枚硬幣大小的石墨烯片，貼在頸部靠近喉嚨處，就能幫助發(fā)音障礙者獲得新“聲”。近日，清華大學(xué)集成電路學(xué)院任天令教授及合作團隊在智能語音交互方面取得重要進展，其研發(fā)的可穿戴人工喉可以感知喉部發(fā)聲相關(guān)信號，并通過人工智能模型將其識別和合成為語音，還原準確率超過90%。

　　這一研究結(jié)果為語音識別與交互系統(tǒng)提供了一條新的技術(shù)途徑，并于近日在線發(fā)表在《自然》人工智能子刊《自然·機器智能》上。

　　語音是人類交流的重要方式，但說話人的健康狀態(tài)（例如神經(jīng)疾病、癌癥、外傷等原因?qū)е碌穆曇粽系K）和周圍環(huán)境（噪音干擾、傳播介質(zhì)）往往會影響聲音的傳輸和識別。一直以來，研究人員在致力改進語音識別和交互技術(shù)以應(yīng)對微弱的聲源或嘈雜的環(huán)境。多通道聲學(xué)傳感器可以顯著提高聲音識別的精度，但會導(dǎo)致更大的設(shè)備體積，而可穿戴設(shè)備能夠獲取高質(zhì)量的原始語音或其他生理信號。然而，目前尚無充分的證據(jù)表明喉部肌肉的運動模式和反映在體表的發(fā)聲器官振動中隱含著可識別的語音特征，且尚無實驗證明其作為語音識別技術(shù)的完備性。

　　為解決這一問題，任天令團隊成員開發(fā)了一款基于石墨烯的智能可穿戴人工喉，同商業(yè)麥克風和壓電薄膜相比，人工喉對低頻的肌肉運動、中頻食管振動和高頻聲波信息有很高的靈敏度，同時也具有抗噪聲的語音感知能力。對聲學(xué)信號和機械運動的混合模態(tài)的感知使人工喉能夠獲得更低的語音基頻信號。此外，該器件還可以通過熱聲效應(yīng)實現(xiàn)聲音的播放功能。人工喉的制作過程簡單、性能穩(wěn)定、易于集成，為語音識別和交互提供了一種新的硬件平臺。

　　團隊還利用人工智能模型對人工喉感知的信號進行語音識別和合成，實現(xiàn)了對基本語音元素（音素、聲調(diào)和詞語）的高精度識別，以及對喉癌患者模糊語音的識別與再現(xiàn)，為聲音障礙者的溝通和交互提供了一種創(chuàng)新的解決方案。

　　實驗結(jié)果表明，人工喉采集的混合模態(tài)語音信號可以識別基本語音元素（音素、音調(diào)和單詞），平均準確率為99.05%。同時人工喉的抗噪聲性能明顯優(yōu)于麥克風，在60分貝以上環(huán)境噪聲下仍能保持識別能力。任天令研究團隊進一步演示了它的語音交互式應(yīng)用：通過集成AI模型，人工喉能夠識別一名喉切除術(shù)患者模糊說出的日常詞語，準確率超過90%。識別出的內(nèi)容被合成為語音在人工喉上播放，可以初步恢復(fù)患者的語音交流能力。

　　任天令介紹，該人工喉還有很大的優(yōu)化和拓展空間，例如提高聲音的質(zhì)量和音量，增加語音的多樣性和表情，以及結(jié)合其他生理信號和環(huán)境信息實現(xiàn)更自然和智能的語音交互。研究團隊希望通過進一步的研究和合作，讓人工喉造福更多的聲音障礙者和語音交互的用戶。