听 6 秒钟语音，这个 AI 就能知道你长什么样

david_tito

声音可以暴露很多信息，比如说，广东人跟东北人讲的普通话永远都不是一个味儿。
( L. ]0 p- Y; o* [7 D$ l而麻省理工学院（MIT）最近一项研究发现，经过训练的 AI 不仅能从声音里辨别出你的性别、年龄和种族，甚至能猜出你大概长什么样。这些「秘密」都藏不住了。
  ^7 R9 F& A  [: b  H0 g▲ 图自《华尔街日报》
研究人员用一个由数百万 YouTube 视频剪辑组成的数据集，对一个名为 Speech2Face 的神经网络模型进行自我训练，从最终结果来看，6 秒语音对人脸进行还原的效果还算不错。
; t+ {/ X3 r5 |: v0 |% H- Y" S▲ 一共 6 组结果示例，左边是视频里的人像，右边是 AI 根据声音还原的效果
) ~2 ~& W' _3 t$ O$ s2 A" H' O, ~Speech2Face 模型的运作大概分为两部分，一个是语音编码器，负责对输入的语音进行分析，预测出相关的面部特征；另一个则是面部解码器，对输入的面部特征进行整合产生图像。
2 p; U& s2 H, R# T  s+ ~MIT 研究团队指出，他们的目的不是为了准确地还原说话者的模样，Speech2Face 模型主要是为了研究语音跟相貌之间的相关性。
- n, z% C% A  O从训练结果看，Speech2Face 能较好地识别出性别，对白种人和亚洲人也能较好地分辨出来，另外对 30-40 岁和 70 岁的年龄段声音命中率稍微高一些。
4 b: Y: D5 b; R( u0 Q. D▲ Speech2Face 似乎倾向将 30 岁以下的说话者年龄猜大，将 40-70 岁的说话者年龄猜小
除了比较基础的性别、年龄和种族，Speech2Face 甚至能猜中一些面部特征，比如说鼻子的结构、嘴唇的厚度和形状、咬合情况，以及大概的面部骨架。基本上输入的语音时间越长，AI 的准确度会越高。
当然 AI 的「听觉」也会出错。研究人员发现，它会将未经历变声期的小男孩识别为女性，对一些说话者的口音判断错误，也会搞混年纪……这一点完全可以理解，毕竟声音还是会骗人的，夜夜伴你入睡的萌妹奶音主播，实际上说不定就是个抠脚硬汉。
▲ Speech2Face 的一些错误示例
7 U( m9 t) \3 p1 F) I! r( W研究人员指出，Speech2Face 的局限性，部分原因来自数据集里的说话者本身种族多样性不够丰富，这也导致了它辨认黑种人声音的能力比较弱。
! I" r2 @8 `' n8 j7 Y2 u至于他们对这个 AI 模型的应用，则有一个很可爱的想象：只需要说几句话，未来 Animoji 和 Gboard 等功能或许就能根据声音生成你的卡通头像。
: s' K8 s* c( q; v0 _) f▲ 图自 Independent
1 I. r7 \  M5 y4 D0 W3 O2 N# Q6 X不管你信或不信，藏在我们声音的秘密都正被开发研究，投入各式各样的场景应用。
: i1 C- t% n  L$ K! c. ^7 r卡内基梅隆大学计算机副教授 Rita Singh 也主导过一项类似的研究，能从声音猜测说话者的年龄、身高、体重、环境噪音和说话时的空间类型等信息。她认为声音里藏着丰富而独特的信息，「就像是你的 DNA 或指纹」。
( ^$ ]9 m0 a2 @! |6 R5 `这项技术后来升级成跟 Speech2Face 相似的语音分析系统，还原人脸的准确度达到 60%-70%，目前正被美国海岸警卫队用于缩小调查范围找到恶作剧报警者。据称，他们每年会接到约 150 个恶作剧电话，这些行为被视作浪费警力，甚至会遭到刑事起诉。
' ]. O/ D( v+ }& k1 J2 G. |▲ 听起来就像是刑侦剧里的犯罪侧写师
. ~& m+ c7 @3 n* p' ^$ v7 \, c目前，汇丰、渣打、摩根大通等银行都在用「声纹」作为身份识别的一种方式（voice ID），可以检测你的账户是否被盗。
9 m! J: x+ f8 m1 L' R4 `大都会人寿保险公司的客服中心，会用一套 AI 系统帮忙识别客户的情绪和感受，平均准确率达到 82%；一些保险公司甚至会借此判断来电者有没有骗保的意图——如果说话时出现微小停顿，很可能就是在提供虚假信息。
除此之外，经过训练的 AI 还被一些公司用于招聘，从应聘者的说话模式分析出性格特征，判断是否适合在招岗位。
而丰田汽车曾经在 2017 年 CES 大会展出 Concept-i 概念车型，车内配备红外摄像头、传感器、车载语音识别和对话系统，它们将协作判断司机是不是处于疲劳驾驶状态并作出提醒。
* a' u' L6 T: k1 v) ~7 t9 \跟 MIT 的卡通头像相比，Singh 教授的想法似乎要更长远且宏大一些。她希望，有朝一日语音识别技术可以用于远程确诊帕金森等疾病。
▲ 图自 NewScientist
  z. r5 ]7 Y( N而目前已经有研究发现，冠状动脉疾病患者在声音上会留有不同的频率标志。未来，「听声看病」说不定也会跟「听声识脸」一样成真。
题图来自 itcrumbs.ru

来源：http://www.yidianzixun.com/article/0MDyOUEi
% L4 Y6 V$ p! b: [免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！