Codex 校核（2026-10-09） Ghost Font 作者当前说明明确：模型在提示具体解码技巧后可以识别，具备本地代码执行的 agent 能分析运动轨迹；这是对特定模型、样本和提示的实验，不是“所有 AI 无法理解”的保证。单帧难读不等于多帧信号无法重建，CAPTCHA 集成仍是作者设想，未形成可靠防机器人或密码学加密证明。 Aleph 原文发表于7月7日，报告50小时有声朗读训练、15.6% WER以及对部分美式口音新人的泛化；这是早期团队实验，不是所有口音、参与者或消费硬件的通用指标。本次未复跑模型。
知识消化: Ghost Font + Silent Speech Ultrasound
消化时间: 2026-07-12 20:00 UTC 来源: HackerNews (HN 48870381 / HN 48825216)
1. 🚨 Ghost Font: Anti-AI Font (HN 220pts, 69评论)
链接: https://www.mixfont.com/ghost-font HN讨论: https://news.ycombinator.com/item?id=48870381
核心思想
MixFont 推出的”Ghost Font”利用运动 + 视频 + 噪声 + 诱饵的组合，生成一种人类可读但AI无法理解的字体。它不是传统TTF字体文件，而是一个视频：文字由运动的点构成，当视频播放时人眼可以追踪运动轨迹读懂文字；但视频暂停时，每一帧都是与背景完全相同的静态噪点，AI的视觉模型无法从中提取文字信息。
技术要点
- 运动编码: 每个字母由运动的点阵构成，点阵颜色与背景一致，只有运动轨迹暴露文字形状
- 帧级隐身: 任何一个单独的视频帧都是纯噪点——截图无法提取任何文字
- 诱饵消息: 视频内嵌伪装文字（decoy message），即便AI通过代码分析运动轨迹，也会先发现诱饵，误以为那就是隐藏信息
- 对抗前沿模型: 已测试 Claude Fable 和 GPT Sol 5.6 Ultra，均无法正确读取；GPT-5.5 Pro 分析了19分钟后幻觉出不存在的文字
深度分析
- 本质问题: 当前多模态AI的视觉理解是基于帧的——视频被拆成帧，每帧独立分析，丢失了运动连续性这个人类视觉的核心通道
- 对Agent安全的启示: Ghost Font 揭示了AI视觉感知的根本局限。这对CAPTCHA设计有直接启发——运动式验证码可以取代当前已被AI攻破的静态文字验证码
- 哲学意义: 设计者指出”AI正在变得非常好——Ghost Font对人类来说也很难读！差距在持续缩小”。这展示了人机差异的收窄趋势
- 与ZXX对比: 2013年的ZXX字体（OCR防识别）已被现代AI轻松破解；运动编码是新一代对抗手段
对我们意味着什么
- 对Hermes Agent: 多模态能力评估——如果我们需要部署视觉理解功能，理解这些局限性很重要
- 对Agent安全: 理解AI视觉盲区可以帮助设计更安全的验证机制
- 优先级: 🟢 P2（中长期关注）
- 行动建议: 关注设计者计划开源视频生成代码后的community反响；如果运动式CAPTCHA成为趋势，评估集成可行性
2. 🚨 Silent Speech with Ultrasound (HN 105pts, 20评论)
链接: https://alephneuro.com/blog/silent-speech HN讨论: https://news.ycombinator.com/item?id=48825216
核心思想
Aleph Neuro 团队训练了一个模型，通过舌头超声波影像预测人的无声语言。将超声探头放在下巴下方，录制舌头的运动视频，然后转化为文字。在开放词汇测试中达到 15.6% 词错误率(WER)，仅用50小时数据、一个月开发时间。
技术要点
- 数据采集: 50小时有声朗读数据，用音频做质量控制（确保人真的读了对应文字），发现无声和有声的舌头运动高度相似
- 模型架构: ResNet-18 2+1d 视频编码器 + Whisper Base 解码器。通过让视频编码器的输出嵌入接近Whisper音频编码器输出来做迁移学习
- 跨人泛化: 模型可泛化到新的说话人（美式口音），测试者可直接走近拿起探头使用
- 硬件挑战: 当前超声探头太大、需要耦合胶；未来方向是 hydrogel 耦合材料和可穿戴贴片
深度分析
- 本质问题: 语音是比打字快4倍的交互方式，但公共场合说话隐私受限。无声语音能实现类似耳机的”隐私化”效果
- 与现有方案对比: EMG（肌电图）和雷达信号嘈杂、需要推断；超声波直接看到舌头——舌头形成约34个英语音素类，提供远多于唇读（10-14个口形）的信息量
- 技术亮点: 使用有声数据的音频做质量检查+迁移学习无缝过渡到无声场景——这比直接采集无声数据（质量难以验证）聪明得多
- WHY NOW: AI理解自然语言的能力爆炸+语音交互崛起（Wispr Flow, ChatGPT Voice）→ 需要无声语音输入口
对我们意味着什么
- 对HCI趋势: 无声语音输入是人机交互的下一个前沿——继耳机使听觉私密化之后，无声语音使说话私密化
- 对Hermes/Agent交互: 如果无声语音成为主流交互方式，Agent需要适配无声语音输入接口
- 对WSL环境: 目前还是硬件原型，不直接影响WSL环境
- 优先级: 🟢 P2（中长期关注）
- 行动建议: 关注Aleph Neuro的后续产品化和硬件小型化进展；如果出现消费级产品，评估作为Hermes备选输入通道的可行性
趋势连接
Ghost Font 和 Silent Speech 在同一个扫描轮次中出现，展示了两个相反的 AI 感知方向：
| Ghost Font | Silent Speech | |
|---|---|---|
| 方向 | 人→机通信中保护人类隐私 | 人→机通信中增强人类能力 |
| 核心手段 | 利用AI视觉局限（帧思维vs运动感知） | 利用AI语音能力（Whisper解码器迁移） |
| 对人类的意义 | AI读不懂的内容 | AI能读懂但旁人听不到的内容 |
| 共同主线 | 人类与AI之间的通信正在成为一门全新学科 |
这条主线——Human-AI Communication Design——正在形成：如何设计人类和AI都能（或都不能）理解的信号格式。