Pesquisadores do Instituto de Tecnologia de Massachusetts (MIT), da Microsoft e da Adobe desenvolveram um algoritmo que permite bisbilhotar uma conversa em uma sala à prova de som sem a leitura labial. O algoritmo desenvolvido é capaz de recuperar uma conversa analisando as vibrações de objetos gravados em um vídeo. Os objetos em uma sala, por exemplo, acabam funcionando como “microfones”.
Em um dos experimentos, os pesquisadores foram capazes de recuperar uma conversa de forma compreensível por meio das vibrações de um saco de salgadinho fotografado a 4,6 metros de um vidro à prova de som. Em outros testes, extraíram áudio de vídeos de uma folha de alumínio, superfície de um copo d’água e das folhas de uma planta em um vaso.
“Quando o som atinge um objeto, faz com que o objeto vibre. O movimento dessa vibração cria um sinal visual muito sutil que é geralmente invisível ao olho nu”, explicou em comunicado Abe Davis, estudante de engenharia elétrica e ciência da computação no MIT e autor do trabalho.
Para recuperar o som de um vídeo de objetos, foi necessário que a frequência das amostras de vídeo – número de quadros de vídeo capturados por segundo – fosse maior do que a frequência do sinal de áudio. Ou seja, a qualidade do som recuperado é melhor quando se usa uma câmera de alta velocidade, capaz de capturar entre dois mil a seis mil quadros por segundo. Quando se usa uma câmera digital comum, o áudio recuperado não fica tão fiel ao verdadeiro, mas ainda é possível identificar o sexo das pessoas que estavam falando, quantas pessoas falaram e possivelmente descobrir a identidade dessas pessoas, de acordo com o estudo.