该算法基于性别、种族和年龄而不是个人特征来近似人脸。

 

你是否曾经在脑海中构建一个你从未见过的人的形象，杏耀客户端仅仅基于他们的声音?人工智能(AI)现在可以做到这一点，只需参考一个简短的音频剪辑，就可以生成一个人的数字面部图像。

 

这台名为“语音人脸”的神经网络——一种以类似人类大脑的方式“思考”的电脑——由科学家们从互联网上搜集了数百万个教育视频进行训练，这些视频显示了超过10万不同的人在说话。

 

研究人员在一项新的研究中写道，通过这个数据集，“语音人脸”学会了声音提示和人脸某些生理特征之间的联系。然后，人工智能使用一个音频剪辑来模拟一个与声音匹配的逼真的人脸。

 

这些发现发表在5月23日的《jounral arXiv》杂志网络版上，还没有经过同行评审。

 

值得庆幸的是，人工智能(目前)还无法仅根据声音来判断一个人的长相。研究报告的作者称， 杏耀主管 ，该神经网络识别出了语言中指向性别、年龄和种族的某些标记，这些特征是许多人共有的。

 

科学家们写道:“因此，这个模型只会生成相貌平平的脸。”“它不会产生特定个体的图像。”

 

人工智能已经证明，它可以生成精确得令人吃惊的人脸，尽管它对猫的解释坦率地说有点可怕。

 

所有面向前方且表情中立的speech h2face生成的面孔与声音背后的人并不完全匹配。但根据这项研究，这些图像通常确实捕捉到了正确的年龄范围、种族和性别。

 

然而，该算法的解释远非完美。当面对语言变化时，Speech2Face表现出“混合表现”。例如，当人工智能听一段亚洲人说中文的音频剪辑时，程序会生成一张亚洲面孔的图像。然而，科学家们报告说，当同一名男子在另一段音频中说英语时，人工智能会生成一个白人男子的脸。

 

该算法还显示出性别偏见，将低沉的声音与男性面孔联系起来，将高音声音与女性面孔联系起来。研究人员写道，由于训练数据集只代表YouTube上的教育视频，它“并不代表全世界所有人口”。

 

据《Slate》杂志报道，另一个关于视频数据集的担忧是，一个曾出现在YouTube视频中的人惊讶地发现，他的肖像也被纳入了这项研究。旧金山互联网安全公司Cloudflare的密码学主管尼克·沙利文(Nick Sullivan)意外地发现，他的脸是用来训练“语音人脸”(Speech2Face)的例子之一(该算法相当近似地复制了这张脸)。

 

据Slate杂志报道，杏耀APP二维码Sullivan并没有同意出现在这项研究中，但是人们普遍认为YouTube上的视频可以供研究人员在没有获得额外许可的情况下使用。