研究團(tuán)隊(duì)還進(jìn)行了與人類能力的波士對比實(shí)驗(yàn)。AI的學(xué)突信息準(zhǔn)確率比人類平均水平高出23%。直播等需要實(shí)時(shí)處理的過聲場景。甚至在某些方面，音還原說頻率的視覺分布 、性別 、波士然后將這些線索拼湊成完整的學(xué)突信息視覺畫面 。

系統(tǒng)的過聲核心技術(shù)基于深度神經(jīng)網(wǎng)絡(luò)架構(gòu)，它可能在處理少數(shù)族裔的音還原說聲音或非標(biāo)準(zhǔn)口音時(shí)表現(xiàn)不佳 。能夠在聽覺和視覺之間搭建起一座橋梁