O som é pressão. Tanto o clamor de uma trombeta quanto as palavras suavemente pronunciadas são apenas ondas que passam pelo ar. Quando essas ondas atingem seu tímpano, elas são interpretadas como sons. Mas quando eles rebatem com outros objetos - digamos, um saco de batatas fritas - eles fazem o papel fino da bolsa se mexer. Usando vídeo de alta velocidade e algoritmos avançados de imagens, os cientistas da computação descobriram como reverter a engenharia do suave bater de um saco de aparas para descobrir os sons que o colocam em movimento.
Essas vibrações são minúsculas. Eles são rápidos Eles são quase imperceptíveis. Mas eles existem, e no vídeo acima, do estudante de doutorado do MIT, Abe Davis, você pode ver como os pesquisadores reproduziram notas musicais e vozes humanas a partir desses movimentos minúsculos captados em vídeo. A técnica, que Davis chamou de “microfone visual”, pode até funcionar com uma câmera de vídeo comum.
A pesquisa levanta o espectro de todos os tipos de possibilidades de ficção científica: quem precisa ler lábios ou plantar erros de gravação quando você pode simplesmente levantar uma conversa de uma lanche nas proximidades?
Esta não é a primeira tentativa de tirar sons das imagens do ambiente, mas os esforços anteriores, dizem os pesquisadores em um relatório, eram " ativos por natureza, exigindo que um feixe de laser ou padrão fosse projetado na superfície da vibração". O avanço permite que eles eliminem tais requisitos. Usando a abordagem, diz o MIT, a equipe conseguiu retirar os sinais de áudio do “papel de alumínio, da superfície de um copo de água e até mesmo das folhas de um vaso de plantas”.
De acordo com seu site, os pesquisadores planejam lançar seu código para o mundo. Temos certeza de que existem algumas empresas ou agências que não podem esperar para colocar as mãos em uma ferramenta como esta.
