AI人工智慧可以听其声，如见其人？听声音就能描绘真人大致轮廓特征

Speech2Face神经网路计算机透过大量影片训练后，发现人类声音和某些身体特征之间的关连，因此就能模拟呈现与声音相匹配的面容，不过目前只能辨识共性特征，比如性别、年龄、种族等。

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？人工智慧（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Speech2Face的神经网路计算机（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，Speech2Face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，Speech2Face可以使用音频来模拟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Speech2Face还不能仅通过声音就精准模拟出相对应的人具体长什么样子。研究作者表示，现阶段Speech2Face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Speech2Face已经能通过声音配备上一定的外貌轮廓，但其背后的AI演演算法还需不断精进，目前仍有一些bug未能得到处理。比如，当Speech2Face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Speech2Facee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，Speech2Face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，Speech2Face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，那么他的样子很快就会被纳入此项研究的资料库。旧金山网际网路安全公司Cloudflare的密码学负责人NickSullivan就意外地发现他的脸成为了Speech2Face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。