编译／安德烈
美国德州大学奥斯汀分校的一个研究团队运用生成式人工智慧（AI），将声音录音转化为街景影像，这些生成影像的显示高度具准确性，显示机器可以复制人类对环境的音讯和视觉感知之间的联系。
研究方法：用声音训练AI模型
研究团队在期刊《Computers, Environmentand Urban Systems》发表的论文中，描述了他们如何透过都市与乡村的街景声音和影像数据训练AI模型。他们使用来自北美、亚洲和欧洲城市的YouTube影音资料，创建了10秒声音片段与影像静态图对，进行模型训练，让AI能从声音输入，生成高解析度的街景影像。
更多新闻：川普考虑设立白宫「AI沙皇」马斯克参与程度深
高准确度展现声景与街景的连结
在测试阶段，研究人员将100个声音片段生成的影像与真实照片进行比对。电脑分析发现，生成影像与实际照片在天空、绿地与建筑物比例上的相似度很高，尤其在天空与绿地部分的对应最为准确。此外，人类参与者在选择与来源音讯样本相对应的生成影像时，平均准确率为80%。
技术优势：模拟人类多感官经验
该研究表明，AI不仅能模拟人类透过声音想像场景的能力，还能透过声音细节呈现天气状况及建筑风格。如，交通声音或夜间昆虫的鸣叫能反映时间，而影像中的建筑样式与距离比例也与实景一致。
应用潜力：声音与影像助城市研究
研究主要作者、地理与环境助理教授Yuhao Kang表示，这项技术可应用於提升对城市独特性及人类感官经验的理解。他指出，「AI技术突破了单纯辨识物理环境的功能，进一步帮助我们探索不同地方的人类主观体验。」
声景转换的未来展望
此项研究将声音的「隐藏视觉」展现在人们面前，为声景与视景的交互研究开辟了新方向。未来，这项技术有望在地理空间、城市规划与多感官互动领域发挥更大作用，让人类对环境的理解更加立体与深入。
参考资料：techxplore
※探索职场，透视薪资行情，请参考【科技类-职缺百科】帮助你找到最适合的舞台！
