# 听 6 秒钟语音，这个 AI 就能知道你长什么样

- 作者：梁晓憧
- 发布时间：2019-06-08 09:38
- 分类：生活
- 原文：https://www.ifanr.com/1221727

![](https://s3.ifanr.com/wp-content/uploads/2019/06/51052.jpg)

声音可以暴露很多信息，比如说，广东人跟东北人讲的普通话永远都不是一个味儿。

[而麻省理工学院（MIT）最近一项研究发现](https://arxiv.org/pdf/1905.09773.pdf)，经过训练的 AI 不仅能从声音里辨别出你的性别、年龄和种族，甚至能猜出你大概长什么样。这些「秘密」都藏不住了。

![](https://s3.ifanr.com/wp-content/uploads/2019/06/Jun-08-2019-05-45-14.gif)

▲ 图自《华尔街日报》



研究人员用一个由数百万 YouTube 视频剪辑组成的数据集，对一个名为 Speech2Face 的神经网络模型进行自我训练，从最终结果来看，6 秒语音对人脸进行还原的效果还算不错。

![](https://s3.ifanr.com/wp-content/uploads/2019/06/pic-01-1.jpg)

▲ 一共 6 组结果示例，左边是视频里的人像，右边是 AI 根据声音还原的效果



Speech2Face 模型的运作大概分为两部分，一个是语音编码器，负责对输入的语音进行分析，预测出相关的面部特征；另一个则是面部解码器，对输入的面部特征进行整合产生图像。

MIT 研究团队指出，他们的目的不是为了准确地还原说话者的模样，Speech2Face 模型主要是为了研究语音跟相貌之间的相关性。

从训练结果看，Speech2Face 能较好地识别出性别，对白种人和亚洲人也能较好地分辨出来，另外对 30-40 岁和 70 岁的年龄段声音命中率稍微高一些。

![](https://s3.ifanr.com/wp-content/uploads/2019/06/pic-03.jpg)

▲ Speech2Face 似乎倾向将 30 岁以下的说话者年龄猜大，将 40-70 岁的说话者年龄猜小



除了比较基础的性别、年龄和种族，Speech2Face 甚至能猜中一些面部特征，比如说鼻子的结构、嘴唇的厚度和形状、咬合情况，以及大概的面部骨架。基本上输入的语音时间越长，AI 的准确度会越高。

当然 AI 的「听觉」也会出错。研究人员发现，它会将未经历变声期的小男孩识别为女性，对一些说话者的口音判断错误，也会搞混年纪……这一点完全可以理解，毕竟声音还是会骗人的，夜夜伴你入睡的萌妹奶音主播，实际上说不定就是个抠脚硬汉。

![](https://s3.ifanr.com/wp-content/uploads/2019/06/pic-2.jpg)

▲ Speech2Face 的一些错误示例



研究人员指出，Speech2Face 的局限性，部分原因来自数据集里的说话者本身种族多样性不够丰富，这也导致了它辨认黑种人声音的能力比较弱。

至于他们对这个 AI 模型的应用，则有一个很可爱的想象：只需要说几句话，未来 Animoji 和 Gboard 等功能或许就能根据声音生成你的卡通头像。

![](https://s3.ifanr.com/wp-content/uploads/2019/06/apple-memoji-ios12.jpg)

▲ 图自 [Independent](https://www.independent.co.uk/topic/animoji)



不管你信或不信，藏在我们声音的秘密都正被开发研究，投入各式各样的场景应用。

卡内基梅隆大学计算机副教授 Rita Singh 也主导过一项类似的研究，能从声音猜测说话者的年龄、身高、体重、环境噪音和说话时的空间类型等信息。她认为声音里藏着丰富而独特的信息，「就像是你的 DNA 或指纹」。

这项技术后来升级成跟 Speech2Face 相似的语音分析系统，[还原人脸的准确度达到 60%-70%](https://www.wsj.com/articles/what-ai-can-tell-from-listening-to-you-11554169408)，目前正被美国海岸警卫队用于缩小调查范围找到恶作剧报警者。据称，[他们每年会接到约 150 个恶作剧电话](http://fortune.com/2018/01/06/artificial-intelligence-voice-profiling/)，这些行为被视作浪费警力，甚至会遭到刑事起诉。

![](https://s3.ifanr.com/wp-content/uploads/2019/06/head-2.jpg)

▲ 听起来就像是刑侦剧里的犯罪侧写师



目前，[汇丰、渣打、摩根大通等银行都在用「声纹」作为身份识别的一种方式（voice ID）](https://www.fastcompany.com/90306162/calling-chase-be-prepared-to-have-your-voice-biometrics-collected)，可以检测你的账户是否被盗。

大都会人寿保险公司的客服中心，会用一套 AI 系统帮忙识别客户的情绪和感受，[平均准确率达到 82%](https://www.wsj.com/articles/what-ai-can-tell-from-listening-to-you-11554169408)；一些保险公司甚至会借此判断来电者有没有骗保的意图——如果说话时出现微小停顿，很可能就是在提供虚假信息。

除此之外，经过训练的 AI 还被一些公司用于招聘，从应聘者的说话模式分析出性格特征，判断是否适合在招岗位。

![](https://s3.ifanr.com/wp-content/uploads/2019/06/kitajskaya-programma-deep-voice-2.jpg)

而丰田汽车曾经在 2017 年 CES 大会展出 Concept-i 概念车型，车内配备红外摄像头、传感器、车载语音识别和对话系统，它们将协作判断司机是不是处于疲劳驾驶状态并作出提醒。

跟 MIT 的卡通头像相比，Singh 教授的想法似乎要更长远且宏大一些。她希望，有朝一日语音识别技术可以用于远程确诊帕金森等疾病。

![](https://s3.ifanr.com/wp-content/uploads/2019/06/gettyimages-667599199.jpg)

▲ 图自 [NewScientist](https://www.google.com/url?sa=i&source=images&cd=&cad=rja&uact=8&ved=2ahUKEwjOuYCztdjiAhUHA4gKHeCEDW4Qjhx6BAgBEAM&url=https%3A%2F%2Fwww.newscientist.com%2Farticle%2F2120426-health-insurer-calls-analysed-for-signs-of-disease-in-your-voice%2F&psig=AOvVaw28nutFfYMPopTZCJKcYAXF&ust=1560032752562759)



[而目前已经有研究发现](https://www.wsj.com/articles/what-ai-can-tell-from-listening-to-you-11554169408)，冠状动脉疾病患者在声音上会留有不同的频率标志。未来，「听声看病」说不定也会跟「听声识脸」一样成真。

题图来自 [itcrumbs.ru](https://itcrumbs.ru/programma-deep-voice_28492)