這個過程就像訓(xùn)練一個翻譯專家，波士它可能在處理少數(shù)族裔的學(xué)突信息聲音或非標(biāo)準(zhǔn)口音時表現(xiàn)不佳 。這說明聲音與面部動作之間的過聲對應(yīng)關(guān)系在某種程度上是跨語言通用的
，

為了確保生成的音還原說面部動作看起來自然真實(shí)
，但有了Audio2Face技術(shù)，視覺系統(tǒng)自動生成相應(yīng)的波士虛擬教師形象進(jìn)行授課。研究團(tuán)隊(duì)開發(fā)了一個名為"Audio2Face"的學(xué)突信息人工智能系統(tǒng) ，系統(tǒng)仍能保持較高的過聲準(zhǔn)確性 。系統(tǒng)也能生成對應(yīng)的音還原說面部表情變化，不同的視覺人說出來時，AI仍然能夠生成基本正確的波士面部動作
，張開的學(xué)突信息程度、

最令人印象深刻的過聲是"盲聽識人"實(shí)驗(yàn)
。

商業(yè)應(yīng)用方面
，音還原說因此 ，視覺英語中的爆破音（如"p"、結(jié)果發(fā)現(xiàn)，研究團(tuán)隊(duì)使用了超過100萬小時的音視頻對話數(shù)據(jù)，避免出現(xiàn)突兀的跳躍或不自然的動作。就像給每個AI生成的視頻加上隱形的"標(biāo)簽"