Sudėtingoje aplinkoje žmonės gali suprasti kalbos prasmę geriau nei AI, nes naudojame ne tik ausis, bet ir akis.
Pavyzdžiui, matome judančią kažkieno burną ir galime intuityviai žinoti, kad garsas, kurį girdime, turi sklisti iš to asmens.
Meta AI kuria naują AI dialogo sistemą, kuri turi išmokyti AI taip pat išmokti atpažinti subtilias koreliacijas tarp to, ką mato ir girdi pokalbio metu.
„VisualVoice“ mokosi panašiai, kaip žmonės mokosi įgyti naujų įgūdžių, leidžia atskirti garso ir vaizdo kalbą mokantis vaizdinių ir garsinių užuominų iš nepažymėtų vaizdo įrašų.
Mašinoms tai sukuria geresnį suvokimą, o žmogaus suvokimas gerėja.
Įsivaizduokite, kad galėtumėte dalyvauti grupiniuose susitikimuose metaversumoje su kolegomis iš viso pasaulio, prisijungdami prie mažesnių grupių susitikimų jiems judant virtualioje erdvėje, kurių metu garso reverbai ir tembrai scenoje veikia pagal aplinką.
Tai reiškia, kad jis gali gauti garso, vaizdo ir teksto informaciją tuo pačiu metu ir turi turtingesnį aplinkos supratimo modelį, leidžiantį vartotojams mėgautis „labai vau“ garso patirtimi.
Paskelbimo laikas: 2022-07-20
