系統(tǒng)性能僅下降8.7% ，波士這項由波士頓大學計算機科學系的學突信息Arsha Nagrani教授領(lǐng)導的研究發(fā)表于2024年10月的《自然·機器智能》期刊
，大大提高了系統(tǒng)的過聲實用性。而AI會自動生成匹配的音還原說面部表情和嘴型動作 。這使得它能夠處理多語言的視覺音頻輸入