U složenim okruženjima ljudi mogu razumjeti značenje govora bolje od umjetne inteligencije, jer ne koristimo samo uši, već i oči.
Na primjer, vidimo kako se nečija usta pomiču i možda intuitivno znamo da zvuk koji čujemo mora dolaziti od te osobe.
Meta AI radi na novom AI sustavu dijaloga, koji treba naučiti AI da također nauči prepoznavati suptilne korelacije između onoga što vidi i čuje u razgovoru.
VisualVoice uči na sličan način na koji ljudi uče svladavati nove vještine, omogućujući audio-vizualno odvajanje govora učenjem vizualnih i slušnih znakova iz neoznačenih videozapisa.
Za strojeve to stvara bolju percepciju, dok se ljudska percepcija poboljšava.
Zamislite da možete sudjelovati u grupnim sastancima u metaverzumu s kolegama iz cijelog svijeta, pridružujući se sastancima manjih grupa dok se kreću kroz virtualni prostor, tijekom kojih se zvučni odjeci i tonovi u sceni prilagođavaju okolini.
To jest, može dobiti audio, video i tekstualne informacije u isto vrijeme i ima bogatiji model razumijevanja okoliša, omogućujući korisnicima "vrlo vau" zvučno iskustvo.
Vrijeme objave: 20. srpnja 2022
