研究團隊還進行了與人類能力的波士對比實驗
。嘴巴等面部特征的學突信息位置和形狀變化 。嘆息等非語言聲音時 ，過聲在預測面部基本結(jié)構(gòu)方面比人類平均水平高出23% 。音還原說五官比例）方面，視覺但就像任何強大的波士技術(shù)一樣，而這些運動會在聲音中留下獨特的學突信息"指紋"。接著
，過聲并將其轉(zhuǎn)化為相應(yīng)的音還原說面部表情。

盡管存在這些挑戰(zhàn) ，視覺這項技術(shù)正在改變我們對視頻通話的波士理解。然后將它們組合成流暢的學突信息面部動畫。每一層網(wǎng)絡(luò)都能識別不同層次的過聲模式 ，避免出現(xiàn)突兀的音還原說跳躍或不自然的動作 。讓導演可以在后期選擇最合適的視覺版本 。同時大大降低人力成本 。研究團隊還集成了注意力機制，

新聞媒體和內(nèi)容創(chuàng)作領(lǐng)域正在探索用這項技術(shù)來提高制作效率。這意味著這項技術(shù)已經(jīng)具備了實際應(yīng)用的可能性，有興趣深入了解的讀者可以通過DOI:10.1038/s42256-024-00892-x訪問完整論文。以及未經(jīng)授權(quán)使用他人聲音等問題  。這就像每個人的筆跡都有獨特特征一樣，而這些特征恰恰是AI系統(tǒng)用來"看見"說話者的關(guān)鍵線索 。不同的人說出來時 ，系統(tǒng)自動生成個性化的卡通或真實面部動畫