你有没有仅仅根据一个人的声音，构建出一个你从未见过的人的心理形象？人工智能(AI)现在可以做到这一点，只有短音频剪辑可以作为参考来生成人脸的数字图像。

名为“Speech2Face”(一种以类似人脑的方式“思考”的计算机)的神经网络已经被科学家训练，并从互联网上接收了数百万个教育视频，显示了10多万个不同的人在说话。

在一项新的研究中，研究人员写道，Speech2Face通过这个数据集学习了语音提示和人脸的一些物理特征之间的关系。然后，人工智能使用音频剪辑来建模与语音匹配的真实人脸。

幸运的是，人工智能不能仅仅通过声音就确切地知道一个特定的人是什么样的。作者报道，神经网络识别语音中的一些标记，这些标记指向性别、年龄和种族，这是许多人的共同特征。

科学家写道：“因此，这种模型只会产生长相普通的面孔。”“它不会产生特定个人的图像。”

虽然坦白说，猫的解释有点吓人，但AI已经证明了它可以产生极其准确的人脸。

Speech2Face生成的面孔——全部面向前方，表情中性——与声音背后的人并不完全匹配。然而，根据这项研究，这些图像通常确实捕捉到了正确的年龄范围、种族和性别。

然而，这种算法的解释远非完美。面对语言的变化，Speech2Face表现出“混合表情”。例如，当AI听亚洲人说中文的音频片段时，程序会产生亚洲面孔的图像。然而，根据科学家的说法，当同一个人用不同的音频片段说英语时，人工智能会产生白脸。

该算法还显示了性别偏见，将低频声音与男性面孔联系起来，将高频声音与女性面孔联系起来。研究人员写道，由于训练数据集仅代表YouTube上的教育视频，因此“不能代表整个世界人口。”

郑重声明：本文版权归原作者所有。转载文章只是为了传播更多的信息。如果作者信息标注有误，请第一时间联系我们修改或删除。谢谢你。

免责声明： 本文由用户上传，如有侵权请联系删除！

标签：