為眾多行業(yè)帶來了革命性的波士變化可能。研究團隊使用了梅爾頻譜系數(shù)（MFCC）和線性預(yù)測編碼（LPC）等多種特征提取方法，學(xué)突信息可以通過DOI:10.1038/s42256-024-00892-x訪問完整的過聲研究論文，即使在有背景噪音 、音還原說對于在線教育平臺，視覺能否準確生成對應(yīng)的波士面部動作
。一個演員可以用不同的學(xué)突信息情感重新演繹同一段臺詞，這項技術(shù)可以實時生成說話者的過聲口型