Lipreading

唇读是一种通过观察说话者无声状态下的唇部运动来提取语音的过程。它是人类交流的重要组成部分，尤其对于听力受损者具有重要价值。深度唇读利用深度神经网络从无声视频中提取语音，也称为视觉语音识别（VSR）、机器唇读或自动唇读。该过程主要分为两个阶段：一是从视频帧序列中提取视觉和时间特征；二是将这些特征处理成语音单元，如字符、单词或短语。深度唇读技术可应用于多个领域，提高沟通效率和无障碍交流水平。