U složenim okruženjima ljudi mogu shvatiti značenje govora bolje od AI, jer koristimo ne samo naše uši, već i oči.
Na primjer, vidimo nečija usta koja se kreću i intuitivno znamo da zvuk koji čujemo mora dolaziti od te osobe.
Meta AI radi na novom sustavu AI dijaloga, koji će naučiti AI da nauči prepoznati suptilne korelacije između onoga što vidi i čuje u razgovoru.
VisualVoice uči na sličan način kako ljudi uče savladati nove vještine, omogućujući razdvajanje zvuka i vizualnog govora učenjem vizualnih i slušnih znakova iz neoznačenih videozapisa.
Za strojeve to stvara bolju percepciju, dok se ljudska percepcija poboljšava.
Zamislite da možete sudjelovati na grupnim sastancima u Metaverseu s kolegama iz cijelog svijeta, pridružujući se manjim sastancima grupe dok se kreću kroz virtualni prostor, tijekom kojeg zvučni reverbs i times na sceni čine prema okolini, prilagođavaju se u skladu s tim.
To jest, istovremeno može dobiti podatke o audio, video i tekstualno, a ima i bogatiji model razumijevanja okoliša, omogućavajući korisnicima da imaju "vrlo wow" zvučno iskustvo.
Post Vrijeme: srpanj-20-2022
