哥伦比亚大学工程学院的 Creative Machines Lab近期发布了名为 EMO的机器人，摆脱了传统的“人工编程指令”，转而通过自主学习来掌握复杂的面部表情和口型同步。

机器人的学习过程分为两个阶段，模仿了人类婴儿的发育过程：

第一步：对着镜子“练脸”。机器人被安置在镜子前，随机驱动其面部 26 个执行器（肌肉电机）。通过摄像头捕捉自己的反射画面，逐渐理解了“某种电机指令”会对应“某种面部形状”。研究人员称为 “视觉到动作”语言模型 (Vision-to-Action Language Model)。

第二步：观看 YouTube 视频。在掌握了如何控制自己的“肌肉”后，开始观看长达数小时的 YouTube 视频，学习人类说话和唱歌时的口型规律。通过比对音频频率与视觉口型，学会了预测在发出特定声音时，嘴唇应如何运动。

由于基于声音频率而非语法进行学习的，EMO 能够为它从未“学过”的语言（如法语、韩语、阿拉伯语）进行即时对口型，甚至能跟随 AI 生成的音乐专辑《hello world_》进行演唱。

为海外华人提供有价值的信息与分析，更多内容和全文可在蓝天、电报、x查找causmoney，或直接谷歌搜索caus.com http://t.cn/AXqmJZMm