Deux chercheurs de l’université d’Oxford, Joon Son Chung et Andrew Zisserman, développent un instrument de lecture sur les lèvres à l’aide d’un algorithme testé sur près de 5 000 heures de vidéos fournies par la BBC. Le modèle « Regarder, écouter, suivre, épeler » (WLAS : « Watch, Listen, Attend and Spell ») basé sur le Deep Mind neural network de Google a été alimenté par un corpus de 100 000 phrases extraites de ces vidéos. Les résultats sont encourageants : alors qu’un lecteur professionnel parvient à identifier un peu moins d’un quart des mots prononcés dans ces phrases, le modèle WLAS parvient à en identifier un peu plus de la moitié. Un résumé de leur recherche est disponible dans l’article très détaillé qu’ils ont publié en ligne.