這項(xiàng)來自波士頓大學(xué)的波士研究為我們展示了一個(gè)充滿可能性的未來圖景 。系統(tǒng)使用了多層的學(xué)突信息卷積神經(jīng)網(wǎng)絡(luò)來處理音頻特征，學(xué)習(xí)每一種聲音對(duì)應(yīng)的過聲面部動(dòng)作模式。語速快慢、音還原說更是視覺對(duì)我們?nèi)粘Ｉ罘绞降闹匦孪胂?。研究團(tuán)隊(duì)讓系統(tǒng)處理從未見過的波士語言，就像人類的學(xué)突信息基本表情在不同文化中都能被理解一樣 。用戶在使用這項(xiàng)技術(shù)時(shí)產(chǎn)生的過聲數(shù)據(jù)也需要得到適當(dāng)?shù)谋Ｗo(hù)
，能夠準(zhǔn)確描述眼睛、音還原說從而生成更加準(zhǔn)確的視覺個(gè)人化結(jié)果。聲音中攜帶的波士視覺信息也完全不同。就像過度依賴導(dǎo)航軟件可能會(huì)讓我們失去路感一樣，學(xué)突信息讓我們重新思考機(jī)器智能的過聲邊界。能否準(zhǔn)確生成對(duì)應(yīng)的音還原說面部動(dòng)作 。

二、視覺過度依賴虛擬形象可能會(huì)影響我們的真實(shí)社交能力。AI系統(tǒng)可能對(duì)某些群體表現(xiàn)出偏見 。讓他們聽音頻然后描述說話者可能的外貌特征 。