美国麻省理工学院（MIT）、微软和Adobe的研究人员共同开发一种新的技术，可以通过分析视频中物体的极小振动，来重新组成音频信号。在一项实验中，他们成功利用一段在4.6米外隔音玻璃后面拍摄的薯片包装振动录像，还原出可以辨认的人的声音。研究人员使用的技术是一种用于分析微小振动的视频处理算法，可以将很小的振动放大，如同显微镜一样。
当你打算说出心底最深藏的秘密时，要小心身边有没有绿色植物或薯片包，看似安静的它们，很可能会透露你的秘密。
在另一个实验中，研究人员用扬声器对一株盆栽植物发出“玛莉有一只小羊羔”的语音，用高速摄像机拍摄无声录像，再利用处理算法进行分析，从肉眼看不到的微小振动中提取音频信号，并还原声音。在其他实验中，他们还成功地从铝箔、一杯水的水面振动的录像中，还原出音频信号。
研究人员在隔音玻璃外面摄影。（视频截图）
据美国有线新闻网（CNN）报导，参与此项目、来自微软的迈克尔•鲁宾斯坦（Michael Rubinstein）说：“起初，我们不能肯定这是可能的，因为这些震动是如此微小，所以我们采用了扬声器，并用声音让一些物体振动，用高速摄像机拍摄这些物体。我们很快发现，视频中存在音频信号，可以用技术把它提取出来。”
他说：“我们和这些物件说话，或对它们大声喊叫好多次，这是很有趣的实验。”
从视频录像提取音频信号
通过分析薯片袋的振动，可获得周围的音频信号。（视频截图）
研究论文将在今年国际图形学年会（Siggraph）上发布。据MIT新闻报导，论文第一作者、MIT电气工程和计算机科学研究生艾比•戴维斯（Abe Davis）介绍：“当声波接触到物体时，会引起物体的振动。这种振动是一个十分不明显的视觉信号，肉眼一般是看不到的。”
这项技术也有局限性，从视频中重构音频信息要求视频每秒的帧数要高于音频信号的频率，每秒的帧数高，还原的音频质量就好。
在一些实验中，研究者使用了高速摄像机，每秒可以捕捉2,000到6,000帧图像，大大快于智能手机每秒60帧的速度，但离最好的商业高速摄像机每秒100,000帧的速度还相距甚远。
在另一些实验中，研究者们仅使用普通数码相机。虽然这样重构出来的音频不如利用高速摄像机还原的音频保真度高，但已经足矣辨别出讲话者的性别和人数，如果能配合足够精确的讲话者声学特性，人们甚至可以辨别出说话者的身份。
并不是每一种物体对细微声音敏感。鲁宾斯坦表示，最成功的视觉窃听物品是那些轻便、硬质的物体，如塑料袋、泡沫杯、锡纸，水和植物，但像砖头等重物就很难达到效果。
运用在侦破领域现实版好莱坞惊悚片
室内植物的叶子也可以记录音频信号。（视频截图）
这项技术目前处于概念阶段，但人们可以想到它的应用前景。侦探们可以利用摄像机替代窃听器和扩音器。
除了犯罪领域，鲁宾斯坦表示，也许我们可以通过音乐厅或录音室视频，检测它们的声学系统；我们也可以通过太空望远镜，在声波无法传递的空间，还原太空中的声音。
戴维斯则更关心该技术是否可能成为一种“新的成像方式”。他说：“从物体上还原声音，这一过程不仅为我们提供大量关于物体周围的声音信息，也提供很多物体本身的信息，因为不同物体对声波会有不同反应。”
在未来的实验中，研究者已经开始尝试利用短脉冲声波来判断物体材料和结构特点。
加州大学伯克利分校电气工程与计算机科学教授阿莱克西•艾弗罗斯（Alexei Efros）表示，这项研究让人耳目一新。他说：“作为科学家，有时我们也看电影，如007这类影片，会认为这些只是好莱坞的戏剧效果，太不现实。但是，真就有人做到这种不可思议的事。这个研究结果就像好莱坞惊悚片，看到监控录像资料里有包薯片在振动，然后就看到凶手已经承认自己有罪。”
艾弗罗斯也认为，利用这一技术来分析材料特性是卓越有效的应用，他补充说：“肯定还有令人意想不到的应用。很高兴能看到这种富有创造性的研究。”
鲁宾斯坦表示，目前还无需担心这项技术对人们隐私的潜在风险。
