美國麻省理工學院（MIT）、微軟和Adobe的研究人員共同開發一種新的技術，可以通過分析視頻中物體的極小振動，來重新組成音頻信號。在一項實驗中，他們成功利用一段在4.6米外隔音玻璃後面拍攝的薯片包裝振動錄影，還原出可以辨認的人的聲音。研究人員使用的技術是一種用於分析微小振動的視頻處理算法，可以將很小的振動放大，如同顯微鏡一樣。
當你打算說出心底最深藏的秘密時，要小心身邊有沒有綠色植物或薯片包，看似安靜的它們，很可能會透露你的秘密。
在另一個實驗中，研究人員用揚聲器對一株盆栽植物發出「瑪莉有一隻小羊羔」的語音，用高速攝影機拍攝無聲錄影，再利用處理算法進行分析，從肉眼看不到的微小振動中提取音頻信號，並還原聲音。在其他實驗中，他們還成功地從鋁箔、一杯水的水面振動的錄影中，還原出音頻信號。
研究人員在隔音玻璃外面攝影。（視頻截圖）
據美國有線新聞網（CNN）報導，參與此項目、來自微軟的麥可•魯賓斯坦（Michael Rubinstein）說：「起初，我們不能肯定這是可能的，因為這些震動是如此微小，所以我們採用了揚聲器，並用聲音讓一些物體振動，用高速攝影機拍攝這些物體。我們很快發現，視頻中存在音頻信號，可以用技術把它提取出來。」
他說：「我們和這些物件說話，或對它們大聲喊叫好多次，這是很有趣的實驗。」
從視頻錄影提取音頻信號
通過分析薯片袋的振動，可獲得周圍的音頻信號。（視頻截圖）
研究論文將在今年國際圖形學年會（Siggraph）上發布。據MIT新聞報導，論文第一作者、MIT電氣工程和計算機科學研究生艾比•戴維斯（Abe Davis）介紹：「當聲波接觸到物體時，會引起物體的振動。這種振動是一個十分不明顯的視覺信號，肉眼一般是看不到的。」
這項技術也有局限性，從視頻中重構音頻信息要求視頻每秒的幀數要高於音頻信號的頻率，每秒的幀數高，還原的音頻質量就好。
在一些實驗中，研究者使用了高速攝影機，每秒可以捕捉2,000到6,000幀圖像，大大快於智慧型手機每秒60幀的速度，但離最好的商業高速攝影機每秒100,000幀的速度還相距甚遠。
在另一些實驗中，研究者們僅使用普通數位相機。雖然這樣重構出來的音頻不如利用高速攝影機還原的音頻保真度高，但已經足矣辨別出講話者的性別和人數，如果能配合足夠精確的講話者聲學特性，人們甚至可以辨別出說話者的身份。
並不是每一種物體對細微聲音敏感。魯賓斯坦表示，最成功的視覺竊聽物品是那些輕便、硬質的物體，如塑膠袋、泡沫杯、錫紙，水和植物，但像磚頭等重物就很難達到效果。
運用在偵破領域現實版好萊塢驚悚片
室內植物的葉子也可以記錄音頻信號。（視頻截圖）
這項技術目前處於概念階段，但人們可以想到它的應用前景。偵探們可以利用攝影機替代竊聽器和擴音器。
除了犯罪領域，魯賓斯坦表示，也許我們可以通過音樂廳或錄音室視頻，檢測它們的聲學系統；我們也可以通過太空望遠鏡，在聲波無法傳遞的空間，還原太空中的聲音。
戴維斯則更關心該技術是否可能成為一種「新的成像方式」。他說：「從物體上還原聲音，這一過程不僅為我們提供大量關於物體周圍的聲音信息，也提供很多物體本身的信息，因為不同物體對聲波會有不同反應。」
在未來的實驗中，研究者已經開始嘗試利用短脈衝聲波來判斷物體材料和結構特點。
加州大學伯克利分校電氣工程與計算機科學教授阿萊克西•艾弗羅斯（Alexei Efros）表示，這項研究讓人耳目一新。他說：「作為科學家，有時我們也看電影，如007這類影片，會認為這些只是好萊塢的戲劇效果，太不現實。但是，真就有人做到這種不可思議的事。這個研究結果就像好萊塢驚悚片，看到監控錄影資料里有包薯片在振動，然後就看到兇手已經承認自己有罪。」
艾弗羅斯也認為，利用這一技術來分析材料特性是卓越有效的應用，他補充說：「肯定還有令人意想不到的應用。很高興能看到這種富有創造性的研究。」
魯賓斯坦表示，目前還無需擔心這項技術對人們隱私的潛在風險。
