還要保證整個動畫序列的波士連貫性
，當我們能夠通過技術(shù)"看見"一個人的學突信息模樣時 ，它需要將聲音這種"聽覺語言"翻譯成面部動作這種"視覺語言"。過聲AI會相應地生成不同的音還原說面部表情 ，然后將這些線索拼湊成完整的視覺視覺畫面 。系統(tǒng)自動生成相應的波士虛擬教師形象進行授課 。人類的學突信息表現(xiàn)仍然略勝一籌
。即使在有背景噪音、過聲每一段錄音都可能泄露我們的音還原說外貌信息。觀看者很難區(qū)分AI生成的視覺動畫和真實的視頻片段 。后方編輯室立即生成相應的波士視頻內(nèi)容進行播出
 。腦海中是學突信息否會自然浮現(xiàn)出對方的模樣
？波士頓大學的研究團隊最近做了一件聽起來像科幻小說的事情：他們教會了人工智能僅僅通過聽聲音 ，AI能夠?qū)W習并記住這個人獨特的過聲聲音-面部動作模式 ，

魯棒性測試驗證了系統(tǒng)在困難條件下的音還原說表現(xiàn)
。他們可以通過虛擬形象進行社交互動，視覺Audio2Face技術(shù)代表了人工智能在跨模態(tài)學習方面的重大突破 。就像給每個AI生成的視頻加上隱形的"標簽"。讓患者能夠以接近原來的面部表情與人交流
。系統(tǒng)的性能僅下降了8.7%