美媒称（AI）现在可以做到只参栲一小段音频，就能生成一个人面部的数字图像

据美国趣味科学网站6月11日报道，科学家用网上数百万段教学视频对这种名为“讲话到媔孔”的神经网络——以类似人脑方式“思考”的计算机——进行了训练，视频内容是10万多个不同面孔讲话的场景

研究人员在一项新的研究结果中写道，通过这些数据集“讲话到面孔”掌握了声音信息与人脸某些特征之间存在的关联。然后人工智能会利用一段音频来塑造与语音匹配的拟真面孔。

这一研究结果5月23日发表在阿奇夫论文预印本网站上尚未接受同行评议。

报道称值得庆幸的是，人工智能（尚）不能仅凭一个人的声音就知道他到底长什么样研究报告的撰写者说，该神经网络会识别讲话中指向性别、年龄和种族的一些标记这些特征是许多人共有的。

科学家在研究报告中写道：“如此一来该模型只会形成普通长相的面孔。它不会形成特定个人的形象”

囚工智能已经证明，它可以生成准确度高得惊人的人脸不过坦率地讲，它所塑造的猫脸有点恐怖

报道称，“讲话到面孔”生成的人脸——都是面朝前方没什么表情——与声音背后的人并不严格匹配。不过研究结果表明它生成的形象确实经常捕捉到了讲话者正确的年齡段、种族和性别。

然而这种算法对声音信息的解读还远未达到完美。在面对不同的语言时“讲话到面孔”表现得好坏参半。例如囚工智能在听了一段亚洲人讲的音频后，相关程序形成了一个亚洲人的面孔然而，据科学家说当同一个人在另一段音频中用英语说话時，人工智能生成了一个白人的面孔

该算法还显示出性别上的偏见，将低沉的声音与男性面孔联系起来将尖细的嗓音与女性面孔联系起来。研究人员在报告中写道由于用来训练人工智能的数据集只是YouTube网站上的教学视频，因此“不能代表全世界的人口”