早上看到影视飓风发了个视频，说字节最新的视频生成模型用了他们大量的素材训练，给一张 tim 的照片，模型就能自动匹配他的声音和公司的真实环境。 然后我试了一下，找了个爱发朋友圈的前同事，把很多朋友圈截图丢 gemini 了，最后 gemini 确实给出了比较准确的猜测信息，这还只是朋友圈一个数据源的情况下。 所以我觉得，以前的人肉搜索是一个复杂的过程，现在大模型工具可能会加快信息滥用和身份挖掘。 如果有一个模型，喂足够多的人脸照片，然后输出性能也够强，是不是完全可以实现针对现在各类 app 的活体认证了？要求摇头 点头 张嘴 眨眼，他都能做到，颜色光也可以摄像头采集颜色 然后模拟打光。 我一直秉承，不把个人照片传互联网网，不带个人姓名等等信息，密码用公式法，每家不一样但有一定规律，但感觉完全不够。