草根影响力新视野 编译 钟艺

你是否尝试过，通过识别陌生人的声音，在大脑里构建出这个人的形象？人工智能（AI）现在已被证实可以做到这一点 仅使用简短的剪辑音频就能生成人脸的数字图像。

科学家对名为Speech 2Face的神经网络计算机（其工作原理类似于人类大脑的思考方式）进行了数量庞大的视频训练，在数百万视频中有超过100,000名不同的人在说话。研究人员在研究报告中写道，Speech 2Face从这些海量数据中发现了人类声音和某些身体特征之间的联系。基于此，Speech 2Face可以使用音频来仿真呈现与声音相匹配的面容。

科技快速进步往往也会让人不安，庆幸的是，目前Speech 2Face还不能仅通过声音就精准仿真出相对应的人具体长什么样子。研究作者表示，现阶段Speech 2Face能从语音中识别出来一些共性特征，比如性别、年龄、种族等。换言之，目前的AI技术只能呈现出一个大致的轮廓性样貌，不会产生特定的精确个体画像。

虽然Speech 2Face已经能通过声音配备上一定的外貌轮廓，但其背后的AI算法还需不断精进，目前仍有一些bug未能得到处理。比如，当Speech 2Face听到同一声源的声音变化时，它所识别出来的轮廓就会发生变化。举个例子，当Speech 2Facee听到一个亚洲男子说中文时，它所呈现的图像为一张亚洲男性的脸，但如果此男子说英文，它所呈现的图像就会变为白人的脸。除此以外，在性别识别也可能会有问题。目前，Speech 2Face将低音调的声音与男性面部相关联，将高音调声音与女性面部相关联。然而，Speech 2Face的受训数据仅来自YouTube，数据源并不能代表整个世界人口，所以一旦出现低音调的女性，它的识别就会出错。

Slate报导，如果一个人出现在YouTube视频中，那麽他的样子很快就会被纳入此项研究的数据库。旧金山因特网安全公司Cloudflare的密码学负责人Nick Sullivan就意外地发现他的脸成为了Speech 2Face受训数据的一员。所以，这项研究背后的隐私数据安全问题也浮出水面。

资料来源：AI Listened to People’s Voices. Then It Generated Their Faces.