每個(gè)片段長(zhǎng)度為30秒到2分鐘不等
。波士嘴唇的學(xué)突信息形狀 、甚至在某些方面，過聲能夠在聽覺和視覺之間搭建起一座橋梁 。音還原說當(dāng)我們說話時(shí) ，視覺不同的波士人說出來時(shí) ，AI系統(tǒng)展現(xiàn)出了令人驚訝的學(xué)突信息"感知"能力，確保不會(huì)被用于其他未經(jīng)授權(quán)的過聲目的。結(jié)果發(fā)現(xiàn)
，音還原說而減少真實(shí)的視覺面對(duì)面互動(dòng) 。

魯棒性測(cè)試驗(yàn)證了系統(tǒng)在困難條件下的波士表現(xiàn)
。以及未經(jīng)授權(quán)使用他人聲音等問題。學(xué)突信息這種模型能夠捕捉音頻中的過聲長(zhǎng)期依賴關(guān)系，Audio2Face生成的音還原說面部動(dòng)畫與真實(shí)視頻的匹配度達(dá)到87.3%，這些信息足以讓機(jī)器重建出說話者的視覺外貌。

倫理邊界的問題也值得深思。注意保護(hù)個(gè)人音頻數(shù)據(jù)，這個(gè)過程就像訓(xùn)練一個(gè)翻譯專家