人工智能的进步使得AI能够在短短6秒内，依据声音识别出用户的性别、年龄和种族，甚至描绘出其外貌。
这项技术由麻省理工学院(MIT)研发，研究团队利用一个由数百万个视频片段构成的数据集，训练出名为Speech2FACE的神经网络模型。该模型主要分为两个部分：语音编码器负责分析输入的语音并预测相关的面部特征，而脸部解码器则将这些特征整合并生成图像。最终结果显示，仅凭声音即可在6秒内重现人脸，效果令人满意。
研究团队指出，Speech2FACE模型的主要目的并非精准还原说话者的外貌，而是探索语音与外貌之间的关系。目前，该模型已能够识别性别，并轻松区分白人和亚洲人。在年龄方面，对于30、40及70岁的人群，其准确率较高。
除了基本的性别、年龄与种族识别外，Speech2FACE还能够猜测一些面部特征，如鼻子结构、嘴唇的厚度与形状，以及咬合情况等，并能大致推测脸部骨架。一般来说，输入的声音时间越长，AI的准确度也会提高。然而，研究人员也承认，AI的判断有时会出现错误，例如将尚未经历变声期的小男孩识别为女性，或者在口音和年龄的判断上出现失误。导致这些局限性的部分原因，归结于数据集中说话者的种族多样性不足，使得AI在识别不同种族声音方面的能力较弱。
尽管如此，这项技术背后潜藏的隐私和歧视问题引发了一些担忧。有人认为，尽管这是一项学术研究，但面部信息的敏感性需要进一步讨论道德因素，必须进行严格的技术测试，并确保实际数据能够代表预期的用户群体。
[[[IMG_1]]]
[[[IMG_2]]]
[[[IMG_3]]]
