|
|
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 k6 S! ~4 f7 I& K3 u/ f! ^
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。
) o/ y1 s. Z5 S Q ▲ 图自《华尔街日报》
; B9 X, u y# Z$ \. e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。
L( u) W- t5 F; @ ▲ 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" M# E4 @0 C3 B2 X4 W
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。
9 P! D- I7 V- n7 [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。( ?+ ~6 ^9 t& h" B. J) n+ o; y. z) G) G
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。: ]5 K% t5 C9 ]3 C7 c3 E! l
▲ 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
: M0 `, }0 j4 S7 A% t, R, K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 L/ O, Y' H( c; z; o! F1 }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。
9 s% {- d' {5 F% Y! \ ▲ Speech2Face 的一些错误示例 V' d: K' K' f- d! P1 T+ I6 v
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。/ X0 c+ ^1 M8 I/ f
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。
, h& y0 _% p+ G" K9 k ▲ 图自 Independent
, c% ?! C! L7 ]) H r( _7 {1 [, F% f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。& T1 W+ \$ c a6 c
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」。6 ^; i% o) B$ l6 J, u( w
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。) l- H# b# d& _# }7 E. L
▲ 听起来就像是刑侦剧里的犯罪侧写师
5 p: @* w' ^5 R! z3 o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。
1 G Y# k8 `( H% u+ i# e+ U- Q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。" Y- k Y* X( Y
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。
/ u+ R" y; l7 _( _4 |$ R3 r0 f 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。: C- K! T3 a) ^2 W" G( 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。
$ X0 I2 E! G' Y/ { ▲ 图自 NewScientist5 ~" h0 p+ {) b) X) x
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。. T0 d" q/ g P6 b! e8 [3 {
题图来自 itcrumbs.ru3 c) G; S) W. m; J; J9 ^
5 R& j, ]: a3 y5 l1 A
来源:http://www.yidianzixun.com/article/0MDyOUEi
+ G. k' C" N" q! [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
×
|