声音可以揭示大量信息，麻省理工学院（MIT）最近的一项研究发现，训练有素的人工智能不仅可以从声音中识别出性别，年龄和种族，还可以猜出这个人的样子。这些“秘密”无法隐藏。
研究人员使用数百万个YouTube电影剪辑的数据集来自我训练Speech2Face的神经网络模型。从最终的结果来看，6秒的声音恢复脸部效果还不错。
Speech2Face模型的操作大致分为两部分。一个是语音编码器，它负责分析输入语音并预测相关的面部特征。另一种是面部解码器，它集成输入面部特征以产生图像。
麻省理工学院的研究小组指出，他们的目的不是准确地恢复演讲者的外表。 Speech2Face模型主要用于研究声音与外观之间的相关性。
从训练结果来看，Speech2Face更能识别性别，并且更适合高加索人和亚洲人。此外，30-40岁和70岁的声音命中率略高。除了基本的性别，年龄和种族，Speech2Face甚至可以猜测鼻子结构，嘴唇厚度和形状，遮挡和近似面部骨骼等面部特征。基本上，输入语音时间越长，AI精度就越高。
当然，人工智能的“听证会”也会出错。研究人员发现，它会识别出一个没有经历过女性声音变化的小男孩，判断一些发言者的口音，并混合年龄。
fun88研究人员指出，Speech2Face的局限性部分是由于数据集扬声器缺乏种族多样性，这也使得识别黑色声音的能力降低。至于他们对这个AI模型的应用，有一个非常可爱的想象力：只是几句话，在未来，Animoji和Gboard等功能可能能够根据声音生成你的卡通化身。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
