京东6.18大促主会场领京享红包更优惠

 找回密码
 立即注册

QQ登录

只需一步,快速开始

查看: 1621|回复: 0

听 6 秒钟语音,这个 AI 就能知道你长什么样

[复制链接]

1

主题

0

回帖

10

积分

新手上路

积分
10
发表于 2019-6-9 07:54:05 | 显示全部楼层 |阅读模式 来自 中国
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。( }2 v( k0 N* \" ^- i5 O* [
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 _) Y- G8 S& S. E▲ 图自《华尔街日报》9 e$ z6 U2 w# l+ R8 |7 q
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。
5 ~" k; M1 k  n+ F4 j5 m▲ 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; \- _1 O7 ?9 _& u2 E9 j
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。
! I' V$ j$ p* {) _' u" d. R5 uMIT 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。
; p' }7 v( ^) @$ c- p) t0 |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。9 x/ M+ l9 Q1 g$ |. d  y+ s
▲ 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; c8 P. Q# u$ x5 N7 k$ R
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。% ~3 c% {  q2 A4 B
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。# j' z! @- ^+ @9 {4 R9 E- L: }* p
▲ Speech2Face 的一些错误示例6 ^3 Q$ ?' |) w& A! x
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。
. E6 l6 C( E  u  q& J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。; T5 g- F! U5 Y  ?. T+ }+ b# E
▲ 图自 Independent
5 T5 `' y. R: ?. b% `. n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。, D6 k! S- B& C) L  ^. k/ y
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」。# D5 F$ N0 U! n9 z( y. c4 J; I, X
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。
3 R) C' {+ d, j) _▲ 听起来就像是刑侦剧里的犯罪侧写师
% W" |/ Y1 \8 r& l) u& S- t+ g1 P: i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。
. y/ T: _7 Z5 c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。1 e+ B, B5 m; q/ ^8 Q/ ^
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。7 h! F: m$ H# c
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。
9 Z8 t0 l/ w) E- S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。+ _( V$ I6 @4 [
▲ 图自 NewScientist
# ~0 F+ T+ B5 J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。
" K% Z5 c- j  p0 d' A题图来自 itcrumbs.ru
3 s+ p* u4 p/ j# d/ j2 c% g2 J0 q% K+ G# M' ?7 e3 A
来源:http://www.yidianzixun.com/article/0MDyOUEi$ f. Z0 Z7 J. L2 |" a& J6 V( x
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!

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有账号?立即注册

×

帖子地址: 

梦想之都-俊月星空 优酷自频道欢迎您 http://i.youku.com/zhaojun917
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|手机版|小黑屋|梦想之都-俊月星空 ( 粤ICP备18056059号 )|网站地图

GMT+8, 2026-4-21 18:09 , Processed in 0.039344 second(s), 24 queries .

Powered by Mxzdjyxk! X3.5

© 2001-2026 Discuz! Team.

快速回复 返回顶部 返回列表