Skip to content

Von der Stimme auf das Gesicht schließen

Bizarres Unterfangen: Im Projekt Speech2Face: Learning the Face Behind a Voice lernt ein Neural Network Gesichtsassoziationen nach Stimmen und konstruiert schließlich Gesichter nach Sprachaufnahmen. Funktioniert immerhin schon recht gut nach Hautfarbe, Geschlecht und Alter.

How much can we infer about a person’s looks from the way they speak? In this paper, we study the task of reconstructing a facial image of a person from a short audio recording of that person speaking. We design and train a deep neural network to perform this task using millions of natural Internet/YouTube videos of people speaking. During training, our model learns voice-face correlations that allow it to produce images that capture various physical attributes of the speakers such as age, gender and ethnicity. This is done in a self-supervised manner, by utilizing the natural co-occurrence of faces and speech in Internet videos, without the need to model attributes explicitly. We evaluate and numerically quantify how–and in what manner–our Speech2Face reconstructions, obtained directly from audio, resemble the true face images of the speakers.

Man kann sich ausmalen, wie in totalitären Staaten damit Minderheiten am Telefon identifiziert werden können. Rassistische Gehörbildung, sozusagen.

(via Nerdcore)