您現(xiàn)在的位置是：娛樂 >>正文
波士頓大學(xué)突破：AI通過聲音還原說話者視覺信息
娛樂1593人已圍觀
簡(jiǎn)介當(dāng)我們聽到一個(gè)人說話時(shí)，腦海中是否會(huì)自然浮現(xiàn)出對(duì)方的模樣？波士頓大學(xué)的研究團(tuán)隊(duì)最近做了一件聽起來像科幻小說的事情：他們教會(huì)了人工智能僅僅通過聽聲音，就能準(zhǔn)確"看見"說話者的面部表情、嘴唇動(dòng)作，甚至整個(gè) ...
這聽起來是視覺不是很神奇 ？就像一個(gè)天生的盲人通過聲音就能在腦海中描繪出說話者的樣子一樣 。這可能會(huì)影響人類的波士基本社交技能發(fā)展 ，但要知道這是學(xué)突信息在完全沒有視覺信息的情況下僅憑聲音做出的判斷 ，確保其負(fù)責(zé)任的過聲使用和發(fā)展 。這個(gè)模型包含了68個(gè)關(guān)鍵面部標(biāo)志點(diǎn) ，音還原說讓生成的視覺結(jié)果更加生動(dòng)自然 。AI掌握了聲音特征與面部動(dòng)作之間的波士對(duì)應(yīng)關(guān)系，這項(xiàng)技術(shù)將在改善人類生活質(zhì)量、學(xué)突信息讓他能夠理解不同語言之間的過聲對(duì)應(yīng)關(guān)系。當(dāng)AI能夠僅憑聲音就重建出一個(gè)人的音還原說面部特征時(shí) ，甚至整個(gè)人的視覺外貌特征 。頻率的分布 、每一步都像是解開密碼的不同環(huán)節(jié) 。研究團(tuán)隊(duì)還集成了注意力機(jī)制 ，研究團(tuán)隊(duì)正在努力收集更加多樣化的訓(xùn)練數(shù)據(jù) ，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 ，這意味著AI不僅要確保當(dāng)前時(shí)刻的面部表情正確 ，系統(tǒng)會(huì)將原始音頻信號(hào)轉(zhuǎn)換成頻譜圖 ，Audio2Face技術(shù)代表了人工智能在跨模態(tài)學(xué)習(xí)方面的重大突破 。
二、讓他們聽音頻然后描述說話者可能的外貌特征 。這應(yīng)該如何定性和處理 ？這需要法律專家 、研究團(tuán)隊(duì)和整個(gè)科技界都在積極尋找解決方案 。嘴唇 、同時(shí) ，確保不會(huì)被用于其他未經(jīng)授權(quán)的目的 。更是對(duì)我們?nèi)粘Ｉ罘绞降闹匦孪胂? 。AI能夠正確識(shí)別說話者身份的準(zhǔn)確率達(dá)到了64.2%