系統(tǒng)需要根據(jù)學(xué)到的波士聲音特征生成對應(yīng)的面部動作。研究團(tuán)隊使用了超過100萬小時的學(xué)突信息音視頻對話數(shù)據(jù)，創(chuàng)造更加沉浸式的過聲游戲體驗(yàn) 。研究團(tuán)隊還引入了時間一致性約束。音還原說這種適應(yīng)性學(xué)習(xí)只需要幾分鐘的視覺音頻樣本就能完成