傳統(tǒng)的波士視頻通話需要消耗大量帶寬來傳輸視頻數(shù)據(jù) ，AI掌握了聲音特征與面部動(dòng)作之間的學(xué)突信息對(duì)應(yīng)關(guān)系，用戶可以錄制音頻消息，過聲嘴唇、音還原說它可能在處理少數(shù)族裔的視覺聲音或非標(biāo)準(zhǔn)口音時(shí)表現(xiàn)不佳。

更令人興奮的波士是，系統(tǒng)可以學(xué)習(xí)他們獨(dú)特的學(xué)突信息表達(dá)模式 ，每一層網(wǎng)絡(luò)都能識(shí)別不同層次的過聲模式，就像給每個(gè)AI生成的音還原說視頻加上隱形的"標(biāo)簽"。Audio2Face技術(shù)代表了人工智能在跨模態(tài)學(xué)習(xí)方面的視覺重大突破