跳到正文
AgeClub· 时光派·· 5 小时前AI 评分52

魏茨曼团队用30秒语音预测年龄,近7000人数据误差约4岁

只需说话30秒,就能测出年龄?近7000人数据:声音显老的人,肝脏、体重、睡眠易亮起红灯!

AI 导读

以色列魏茨曼科学研究所团队构建语音年龄模型(Voice Age),基于近7000名40-70岁以色列成年人(女性3631、男性3348)的30秒语音数据,女性年龄预测平均绝对误差3.95岁、解释度53.9%,男性为4.41岁、44.0%。

正文

“我不知道您多大,但听声音感觉您还很年轻。”

如果不看脸,只听一个人说话,你是不是也能把对方的年纪猜个七七八八?

一个普通人,仅凭对方声音高低、说话快慢和声音沙哑程度来估计的年龄误差,大概是5–10岁,对于全靠听觉和直觉做出的判断来说,这样的准确度已经相当不错。

但把“听音辨龄”这件事交给AI,结果又会如何?

最近,来自以色列魏茨曼科学研究所的科研团队就造了这么一种语音年龄模型(Voice Age),只要你提供30秒语音,它就能比较准确地测出你的年纪。更有意思的是,它还能顺带“听”出你身体内部的衰老情况[1]。来看看又是什么抗衰“高科技”!

藏在声音里的“年龄时钟”

在开始介绍研究之前,不妨先来了解一下:声音为什么会泄露一个人的年龄?

说话,这动作看着轻松,其实背后是一套高度复杂的生理协作:我们的肺部需要提供气流压力、喉部的声带要进行毫秒级的精密振动,随后口腔和舌头的肌肉还得协调运动,最终才能形成声音。

但随着年纪变大,这套精密的“发声系统”会发生退化。比如声带可能逐渐萎缩、肌肉力量会减少、神经肌肉的协调性也可能会发生改变,这些变化不仅会表现在我们的声音里,在声学上还会呈现为一种可测量的信号。

图注:人类语音生成系统

此次研究中,研究人员筛选了近7000名40-70岁以色列成年人(女性3631、男性3348)的30秒语音数据,并让深度学习语音模型对这些语音进行了特征提取和分析,最终预测出了每个人的年龄。

结果显示,语音年龄模型对女性年龄预测的平均绝对误差仅为3.95岁,解释度达到了53.9%。而对男性年龄预测的平均绝对误差为4.41岁,解释度达到了44.0%。

图注:语音年龄预测性能

不到5年的误差,这个成绩放在“听声辨龄”上已相当亮眼:不仅明显优于人耳的5–10年误差,也远胜于此次被纳入对照的手工提取声学特征的传统算法!

为了进一步验证语音年龄模型的有效性,研究人员还将其与另外几种年龄预测模型进行了“同台竞技”:

在九种单模态衰老时钟的年龄预测排名中,语音年龄模型的准确度排到了第二,仅次于质谱代谢组学时钟,并且它还能提供一些其他模型没有完全捕捉到的衰老信息。

特别是,把它“喂给”其他模型后,几乎所有模型的年龄预测结果变得更准了。这意味着,在真实场景中,加入一段30秒的语音,有望显著提升各类衰老时钟预测的准确度。

图注:单模态衰老时钟的性能排名与相关性矩阵(左);语音年龄能提供互补的预测信息(右)

我们的声音,可能暴露哪些衰老状况?

那么,除了预测年龄,语音年龄模型还发现了什么值得关注的信息呢?

声音显老的人,身体上的老化特征也更明显。

研究发现,无论男女,那些声音听起来显老的人,共享三组明显特征:

  • 肝脏:肝脏声速更低。肝脏脂肪含量增加会造成肝脏声速下降,这通常提示肝脏脂肪浸润、脂肪肝的倾向更明显;

  • 肥胖与体成分:这些人的腰围和脖围更大、内脏脂肪更多、BMI更高、体脂率也更高;

  • 睡眠呼吸:氧减指数更高(间歇性缺氧事件可能更频繁)、呼吸暂停低通气指数(AHI)更高(睡眠呼吸暂停现象可能更严重)、身体在睡眠中缺氧的情况也可能更多。

图注:声音显老的人在健康指标上的特征表现(左至右分别为呼吸暂停低通气指数、腰围、内脏脂肪组织面积)

除了共有指标,声音显老的女性还表现出打鼾声更高、睡眠更碎片化、双侧握力更差、舒张压更高(心血管代谢负担更重);而声音显老的男性则出现了更明显的肝脏组织成分或质地的改变。

用语音估计年龄、评估健康,这项研究并不是孤例:

研究人员曾通过分析美国二战老兵的口述历史录音,估算了他们的“声音年龄”(误差约为3.25年),发现声音显老的人,预期剩余寿命也更短[2];

另有研究用一分钟的自发语音,训练机器学习模型去识别了老年人在握力、步速、平衡能力等十个身体功能领域的缺陷,表现同样不俗[3]。

回到今天的研究,用30秒语音就能以约4年的误差估测年龄,还能提供额外的功能性衰老信息。这种便宜、无创、可远程的方式,在大规模人群衰老筛查上有明显的落地优势。

不过,作为一项观察性研究,它的对象是一群40-70岁、说希伯来语的以色列人,换一种语言、换个环境、换个年龄段结果如何,还得再验证验证。

从追问“我到底几岁”转向“我的身体,哪里正在变老”

这项研究让派派很想和大家聊聊“生物年龄”这个词。

你可能花了不少钱,刚刚做了一个全面的“生物年龄检测”。报告出来,上面写着:你的表观遗传年龄是50岁、蛋白年龄是54岁、肠道菌群年龄是48岁、声音年龄是41岁……你大概率会懵:那我到底几岁?

这些数字最后会给出一个“我其实是多少岁”的答案吗?还是说,所谓生物年龄,只是把身体不同系统、不同层面的衰老状态,各自概括成了一个个方便理解的数字?

你会产生这些困惑,八成是因为“生物年龄”这个词现在被过渡滥用的后果[4]。

事实上,目前并没有一个统一的方法来定义或测量一个人的生物年龄。测出一个“你其实是多少岁”的统一答案,至少得满足:衰老存在一个“总开关”,各个年龄时钟捕捉到的都是这个“总开关”的信号,它们彼此之间应当高度相关。

目前来看,衰老有没有一个“总开关”,没有答案。不同时钟之间的不相关证据也不少:有研究用14种衰老时钟检验了老年人不同维度的衰老是否同步,结果发现它们大多只在同一领域内相关,跨领域之间基本不相关[5]。

语音年龄模型不也如此?与其他时钟有相关性,但相关程度其实并不高。

所以,当你把报告里某个时钟给出的惊人数字,当成你整个人的真实衰老状况,其实欠妥。

目前大多数声音认为,衰老,更像是一个“多轨道、非同步”的过程。

你的代谢系统相对年轻,肌肉功能却已经开始衰退,大脑状态又是另一番光景。当下各种年龄时钟,更像是在给身体拍不同维度的照片:这张看蛋白质,那张看代谢……它们可能捕捉到了衰老过程中重叠的部分,也可能各自拍下了别人拍不到的角落。

图注:多轨道、非同步的衰老过程

至少目前,生物年龄,更像是一个用来描述复杂衰老状态的抽象且定性的概念。而你手里的那串年龄数字,建议不要轻易拿来当成衡量自己整体衰老程度的答案。

对普通人来说,面对一份报告更合理的解读方式,不是焦虑地纠结“我到底几岁”,不妨把它看作一份身体各部门的“状态诊断书”:

  • 表观遗传或蛋白年龄偏高,就侧重全身抗炎、运动与改善代谢;

  • 肠道菌群年龄偏高,就着重增加膳食纤维、改善肠道微生态;

  • 声音年龄偏高,就关注一下肝脏健康、体重、睡眠呼吸等情况;

……

总之,随着语音年龄时钟这样的新模型不断出现,我们对衰老这张地图的了解正在变得越来越立体,这将有助于我们化焦虑为行动,更精准地去管理和改善自己的健康。

「长寿科技情报站」是时光派全新产业领域垂类账号,区别于「时光派」账号科学传播定位,该账号聚焦上下游商业布局分析、政策解读、新品动向等长寿产业前沿。长按下方二维码/点击下方账号卡片,一键关注!

声明 -本文内容仅用于科普知识分享与抗衰资讯传递,不构成对任何产品、技术或观点的推荐、背书或功效证明。文内提及效果仅指成分特性,非疾病治疗功能。涉及健康、医疗、科技应用等相关内容仅供参考,医疗相关请寻求专业医疗机构并遵医嘱,本文不做任何医疗建议。如欲转载本文,请与本公众号联系授权与转载规范。

参考文献

[1]Krongauz, D., Marmor, Y., Zulti, A. et al. Sound of aging: large-scale evidence for a voice-based biological clock. npj Aging (2026).

[2]Yin, Y., Hanes, D. W., Skiena, S., & Clouston, S. A. P. (2024). Quantifying Healthy Aging in Older Veterans Using Computational Audio Analysis. The journals of gerontology. Series A, Biological sciences and medical sciences, 79(1), glad154.

[3]Da Cunha, E., Zory, R., Chorin, F. et al. Spontaneous speech enables scalable digital phenotyping of physical functional deficits in aging. npj Aging 12, 52 (2026).

[4]Johnson, A. A., & Shokhirev, M. N. (2024). Contextualizing aging clocks and properly describing biological age. Aging cell, 23(12), e14377.

[5]Drewelies, J., Homann, J., Vetter, V. M., Düzel, S., Kühn, S., Deecke, L., Steinhagen-Thiessen, E., Jawinski, P., Markett, S., Lindenberger, U., Lill, C. M., Bertram, L., Demuth, I., & Gerstorf, D. (2025). There Are Multiple Clocks That Time Us: Cross-Sectional and Longitudinal Associations Among 14 Alternative Indicators of Age and Aging. The journals of gerontology. Series A, Biological sciences and medical sciences, 80(6), glae244.

来源:AgeClub · ageclub.net