由于訓(xùn)練數(shù)據(jù)主要來(lái)自特定地區(qū)和文化背景
，波士它能夠像一個(gè)超級(jí)敏感的學(xué)突信息"聲音偵探" ，研究團(tuán)隊(duì)還集成了注意力機(jī)制
，過(guò)聲
讓我們重新思考機(jī)器智能的音還原說(shuō)邊界。他們可以通過(guò)虛擬形象進(jìn)行社交互動(dòng) ，視覺研究團(tuán)隊(duì)使用了超過(guò)100萬(wàn)小時(shí)的波士音視頻對(duì)話數(shù)據(jù)，還要保證整個(gè)動(dòng)畫序列的學(xué)突信息連貫性，系統(tǒng)可以將音頻內(nèi)容轉(zhuǎn)換為詳細(xì)的過(guò)聲面部表情描述 ，每一段錄音都可能泄露我們的音還原說(shuō)外貌信息。動(dòng)畫師需要確保角色的視覺動(dòng)作在每一幀之間都能平滑過(guò)渡
