我突然在想transformer底层是预测，那是不是聋哑人能够通过默念，识别唇语，结合语境，再通过tts将声音输出出去。 
即便唇语的识别可能不太精准，但transformer不就是为此服务的吗。 
识别：“我想。。饭。。果” 
通过transformer识别预测：“我想吃饭和水果” 
那岂不是全天下都无哑巴了。 
佬们觉得能实现吗。