你的聲音堪比DNA，在AI加持下妙用無限！

如果讓你單純聽一個人的聲音，你能聽出哪些信息？年齡？性別？還是家鄉？對於AI來說，這些都太沒難度了。最近，一項由美國麻省理工學院給出的研究表明，經過訓練的AI不僅能從聲音中獲取人們的性別、種族、年齡等信息，甚至連你長什麼樣它都能聽出來！

據了解，這一能完成「聽聲辨人」操作的AI，主要依賴一個叫Speech2Face的神經網路模型來完成訓練。該模型分為兩部分，一個是語音編碼器，負責對輸入的語音進行面部特徵分析和預測；另一個是面部解碼器，對輸入的面部特徵進行整合與生成。

在實際操作中，研究人員通過將一個百萬視頻剪輯而成的數據集放入模型，然後讓AI進行一段時間的自我訓練，之後只需憑藉6秒鐘左右的語音，AI就能實現對人臉特徵的採集和還原，並且呈現出效果不錯的圖像。

從MIT研究團隊給出的部分訓練成果，我們可以發現：Speech2Face能較好地識別出性別，對白種人和亞洲人也能較好地分辨出來，另外對30-40歲和70歲的年齡段聲音命中率稍微高一些。不過，由於AI的「聽覺」不是100%可靠，並且訓練素材不夠豐富，其也會產生不少的識別錯誤，同時對黑人聲音的辨別能力也偏弱。

雖然該技術還不是很完善，但滿足MIT最初的設想已經綽綽有餘。研究團隊指出，他們訓練AI這項功能並不是為了準確還原說話者模樣，而只是單純為了研究語音與相貌之間的關係，並以此來用語音生成各種可愛的卡通用戶頭像。

可能你會覺得這樣一個技術用作頭像生成有點大材小用，別擔心！因為其實類似的技術，目前其他研究機構也在積極開展中，並且有的已經投入到了一些有意義的應用場景。

比如卡內基梅隆大學曾發表過相似的研究，能夠從聲音猜測說話者的年齡、身高、體重、所處空間和環境信息。該大學研究人員認為聲音就像是人類的DNA一樣，蘊藏著豐富而獨特的信息，在各行各業中能夠獲得妙用。

他們在該技術識別和還原準確度超過60%的時候，開始正式投入社會進行應用測試。目前，美國海岸警衛隊仍在利用這項技術來識別惡意報警者，這項技術幫他們分辨出了報警者是否為惡作劇，同時縮小了調查的範圍，這讓他們每年減少了近150個惡作劇電話，節約了大量警力資源。

而據了解，卡內基梅隆大學的研究團隊最終的設想，是用AI這項「聽音識人」技術來遠程確診帕金森等疾病。希望這項技術能夠打開現代醫療的創新大門，為疑難雜症和一些絕症提供解決思路與辦法。

除了將類似技術用於刑偵和醫療之外，現實中，相同的技術還被應用到了銀行、保險、客服、招聘等眾多場景與領域。其中，滙豐、摩根等銀行採用聲紋識別的方式來保障用戶賬戶安全；大都會人手保險公司利用AI系統來識別客戶的情緒與感受；一些保險公司用這項技術來判斷來電者的意圖；還有一些公司則將該技術用於招聘......

此外，2017年豐田汽車還曾在CES大會上，將該技術應用到了駕駛當中。AI被載入在攝像頭、感測器、車載語音系統之上，協助判斷司機是否處於疲勞駕駛狀態，並及時作出提醒。這項技術讓司機的駕駛有更加了智能化的保障。

總而言之，不管是何種應用，AI「聽音辨人」的功能無疑是價值重大的，我們有理由相信，這項技術最終會越來越多的出現在往後的生活與生產之中。不過，AI未來如果想真正成為人們的好幫手和好夥伴，眼下還需要進一步的升級與突破，發展之路還需期待！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！