V zapletenih okoljih lahko ljudje razumemo pomen govora bolje kot umetna inteligenca, saj ne uporabljamo le ušes, ampak tudi oči.
Na primer, vidimo premikanje nečijih ust in morda intuitivno vemo, da mora zvok, ki ga slišimo, prihajati od te osebe.
Meta AI dela na novem sistemu dialoga z umetno inteligenco, ki naj bi umetno inteligenco naučil prepoznati subtilne korelacije med tem, kar vidi in sliši v pogovoru.
VisualVoice se uči na podoben način, kot se ljudje naučijo obvladovati nove veščine, omogoča avdiovizualno ločevanje govora z učenjem vizualnih in slušnih znakov iz neoznačenih videoposnetkov.
Za stroje to ustvari boljšo zaznavo, medtem ko se človeška zaznava izboljša.
Predstavljajte si, da lahko sodelujete na skupinskih srečanjih v metaverzumu s kolegi z vsega sveta, se pridružite srečanjem manjših skupin, ko se premikajo po virtualnem prostoru, med katerim se zvočni odmevi in tembri v prizoru ustrezno prilagodijo okolju.
To pomeni, da lahko hkrati pridobi zvočne, video in besedilne informacije ter ima bogatejši model razumevanja okolja, kar uporabnikom omogoča "zelo vau" zvočno izkušnjo.
Čas objave: 20. julij 2022
