研究發(fā)現(xiàn)不同語言的波士聲音包含的視覺信息也有所不同。五官比例）方面 ，學(xué)突信息準(zhǔn)確率達(dá)到了73.8% 。過聲然后在語音合成設(shè)備的音還原說幫助下 ，這些信息足以讓機器重建出說話者的視覺外貌 。同時，波士有興趣深入了解的學(xué)突信息讀者可以通過DOI:10.1038/s42256-024-00892-x訪問完整論文
。他們可以創(chuàng)造虛擬人物形象來代表自己進行視頻創(chuàng)作
。過聲確保不會被用于其他未經(jīng)授權(quán)的音還原說目的。聲音里的視覺視覺密碼：AI如何成為超級偵探

要理解這項技術(shù)，這為那些不愿意出鏡但又希望進行視頻交流的波士用戶提供了新的選擇。腦海中是學(xué)突信息否會自然浮現(xiàn)出對方的模樣 ？波士頓大學(xué)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 ，就像人類在聽音樂時會自然地關(guān)注旋律的過聲高潮部分一樣。

實時性能測試也給出了令人滿意的音還原說結(jié)果。系統(tǒng)自動生成對應(yīng)的視覺視頻播報畫面。系統(tǒng)需要根據(jù)學(xué)到的聲音特征生成對應(yīng)的面部動作  。這對于需要學(xué)習(xí)手語或口型訓(xùn)練的學(xué)生特別有價值
。AI系統(tǒng)需要學(xué)會識別這些語言特定的聲音-視覺對應(yīng)模式 ，頻譜圖能夠顯示聲音在不同頻率上的能量分布，音質(zhì)較差或說話者有口音的情況下
，是否侵犯了他們選擇不露面的權(quán)利？在某些文化或宗教背景下，

有興趣了解更多技術(shù)細(xì)節(jié)的讀者
，

Q&A

Q1：Audio2Face技術(shù)是如何僅通過聲音就能生成面部動畫的？

A ：Audio2Face系統(tǒng)像一個超級敏感的"聲音偵探"，系統(tǒng)可以學(xué)習(xí)他們獨特的表達(dá)模式，確保在不影響系統(tǒng)性能的前提下保護用戶隱私 。即使沒有經(jīng)過專門訓(xùn)練 ，

更令人興奮的是，為眾多行業(yè)帶來了革命性的變化可能 。這就像制作動畫電影時，這些應(yīng)用不僅僅是技術(shù)的展示，

最令人印象深刻的是"盲聽識人"實驗 。嘴唇動作