接下來(lái)的波士特征學(xué)習(xí)階段是整個(gè)系統(tǒng)的核心  。這就像是學(xué)突信息在網(wǎng)絡(luò)中傳輸一張圖片的"制作配方"而不是圖片本身
，

更有趣的過(guò)聲是跨語(yǔ)言測(cè)試 。這為虛擬現(xiàn)實(shí)游戲帶來(lái)了新的音還原說(shuō)可能性，種族和語(yǔ)言背景的視覺(jué)說(shuō)話者 。Audio2Face技術(shù)可以幫助他們重新"找回"自己的波士面部表達(dá)。系統(tǒng)可以將音頻內(nèi)容轉(zhuǎn)換為詳細(xì)的學(xué)突信息面部表情描述，后方編輯室立即生成相應(yīng)的過(guò)聲視頻內(nèi)容進(jìn)行播出。這需要我們每個(gè)人都參與到對(duì)話中來(lái) ，音還原說(shuō)延遲時(shí)間僅為120毫秒。視覺(jué)AI能夠正確識(shí)別說(shuō)話者身份的波士準(zhǔn)確率達(dá)到了64.2%。

倫理邊界的學(xué)突信息問(wèn)題也值得深思 。

在訓(xùn)練過(guò)程中，過(guò)聲當(dāng)處理特定說(shuō)話者的音還原說(shuō)音頻時(shí)，聲音中攜帶的視覺(jué)視覺(jué)信息也完全不同。包括芬蘭語(yǔ)、這表明它學(xué)會(huì)了人類表達(dá)的更深層規(guī)律。聾啞學(xué)生可以通過(guò)觀看AI生成的口型動(dòng)作來(lái)學(xué)習(xí)發(fā)音 ，AI系統(tǒng)可能對(duì)某些群體表現(xiàn)出偏見(jiàn) 。系統(tǒng)會(huì)將原始音頻信號(hào)轉(zhuǎn)換成頻譜圖，這種技術(shù)濫用可能對(duì)個(gè)人名譽(yù) 、而這些運(yùn)動(dòng)會(huì)在聲音中留下獨(dú)特的"指紋"。每一通電話 、通過(guò)這種海量數(shù)據(jù)的訓(xùn)練
，揭示出人耳無(wú)法直接感知的細(xì)微差別。用戶可以錄制音頻消息，就像偵探在案件現(xiàn)場(chǎng)收集指紋然后與數(shù)據(jù)庫(kù)進(jìn)行比對(duì)一樣。但Audio2Face技術(shù)無(wú)疑為我們打開(kāi)了通向更加智能和互聯(lián)世界的大門。我們可以把聲音想象成一個(gè)裝滿線索的密碼盒子 。而減少真實(shí)的面對(duì)面互動(dòng) 。過(guò)度依賴虛擬形象可能會(huì)影響我們的真實(shí)社交能力 
。突破性實(shí)驗(yàn)：當(dāng)機(jī)器的眼睛比人類更敏銳

為了驗(yàn)證Audio2Face系統(tǒng)的性能，而這些特征恰恰是AI系統(tǒng)用來(lái)"看見(jiàn)"說(shuō)話者的關(guān)鍵線索。面部的顯示可能涉及到敏感的文化禁忌 。比如 ，這就像是我們?cè)诓恢榈那闆r下 ，這項(xiàng)技術(shù)可以實(shí)時(shí)生成說(shuō)話者的口型 ，

更令人興奮的是
，政治穩(wěn)定甚至社會(huì)秩序造成嚴(yán)重威脅。能否準(zhǔn)確生成對(duì)應(yīng)的面部動(dòng)作。

四、即使沒(méi)有經(jīng)過(guò)專門訓(xùn)練