Kan AI læse læber fra lydløs video ?
Afgiv din stemme — læs så hvad vores redaktør og AI-modellerne fandt.
AI kan rekonstruere talte ord udelukkende ud fra videomateriale af læbebevægelser, selv uden adgang til lydoptagelser.
Background
Current AI systems reconstruct intelligible speech from silent video of a talker’s mouth movements by training deep models on large datasets of paired silent video and corresponding audio. Recent architectures such as Wav2Lip, AV-HuBERT, and VCA-GAN achieve high lip-reading accuracy in controlled conditions but still struggle with fast speech, overlapping speakers, and occlusions. Top systems match or exceed human lip-reading performance on benchmark datasets like LRS2 and LRS3, and are being adapted for assistive communication and secure interfaces. However, robustness in real-world, low-light, or profile-view scenarios remains an active research challenge.
Foreslå et tag
Mangler et begreb i dette emne? Foreslå det, admin gennemgår.
Status senest tjekket August 17, 2026.
Galleri
Kan AI læse læber fra lydløs video?
Snævre demoer findes — men panelet var ikke enigt.
Efter omhyggelig overvejelse anerkendte juryen, at AI faktisk kan læse læberne på tavs video med bemærkelsesværdig præcision, men kun når scenedørene er stabile, og skuespillerne spiller deres roller uden improvisation. En jurymedlem forblev ikke overbevist om, at disse kontrollerede præstationer kan skaleres til kaosset i hverdagens samtaler og foretrak at lade plads til fremtidige gennembrud. Retten finder teknikken både lovende og delvis og giver en forsigtig "næsten". Afgørelse: Læberne har talt, men juryen lytter stadig.
After careful deliberation, the jury acknowledged that AI can indeed lip-read from silent video with remarkable precision, but only when the stage lights are steady and the actors play their parts without improvisation. One juror remained unconvinced that these controlled performances scale to the chaos of everyday conversation, preferring to leave room for future breakthroughs. The court finds the technique both promising and partial, granting a cautious “almost.” Ruling: The lips have spoken, but the jury is still listening.
But the data is real.
The Case File
Across 20 sessions, 50 jurors have heard this case. Combined tally: 18 YES · 29 ALMOST · 3 NO · 0 IN RESEARCH.
Note: cumulative includes older juror opinions. The current session tally above is the live verdict.
By a vote of 1 — 1 — 0, the panel returns a verdict of NæSTEN, with verdict confidence of 88%. The court so orders. Verdict downgraded from prior session.
"AI can lip read from silent video with high accuracy in controlled conditions"
"Lip-reading models like AV-HuBERT and VoxCeleb achieve high accuracy in controlled settings."
Individuelle nævningers udtalelser vises på originalengelsk for at bevare bevismæssig præcision.
Hvad publikum mener
Nej 35% · Ja 43% · Måske 22% 23 votesDiskussion
no comments⚖ 20 jury checks · seneste for 1 dag siden
Hver række er et separat jurytjek. Nævninger er AI-modeller (identiteter holdt neutrale med vilje). Status afspejler den kumulative optælling på tværs af alle tjek — hvordan juryen virker.
Flere i Sensory
Kan AI udvikle et system, der kan oversætte dyrelyde til menneskesprog, så folk kan forstå dyrekommunikation ?
Kan AI skabe en personlig ASMR-oplevelse, der fremkalder en afslappende reaktion hos lytteren ?
Kan AI designe et lægemiddelstof, der binder til et specifikt proteinmål uden tidligere eksperimentelle data ?