不論是電影預告片的配音員，還是地鐵上的播音員，我們的生活中都充滿了“看不到臉”的聲音。我們大多數人在聽到這些聲音的時候，可能會對背后的面容做一些簡單的設想，但麻省理工學院的一組研究人員卻做到了更進一步：他們創(chuàng)造了一個人工智能系統，僅僅通過聽人的聲音就可以重建人的面孔。
這個名為Speech2Face的應用程序背后的技術原理是利用了一個深層的神經網絡，該網路通過觀察YouTube上數百萬人們交談的視頻，訓練并識別聲音和面部特征之間的相關性。在此過程中，它學會了將音頻波形的不同方面與發(fā)聲者的年齡、性別、種族以及某些頭部特征聯系起來，比如像頭部的形狀和鼻子的寬度這些。
然后，當研究人員將人們的聲音錄音輸入系統時，系統能夠以合理的準確度生成每個說話者的面部圖像。顯然，發(fā)型、面部毛發(fā)以及其他一些外貌特征是無法從一個人的聲音中預測出來的，因此開發(fā)人員堅持認為，他們的目標不是預測準確面孔的可識別圖像，而是捕捉與輸入語音相關的人的主要面部特征。
在一篇發(fā)表在IEEE Xplore上的論文中，研究人員說這項技術總有一天能帶來較大的實用性，例如，不需要攝像頭就可以生成視頻通話的面孔。
話雖如此，系統也需要一些改進，因為Speech2Face創(chuàng)建的圖像通常與面部類型大體匹配，但有一些細微的差之處還是難以判別。該系統也偶爾容易出錯，比如會將大約6%的聲音生成的人臉弄錯了性別，抑或是弄錯了種族。
本文譯自 iflscience，由譯者 Imagine 基于創(chuàng)作共用協議(BY-NC)發(fā)布。
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
