Keerulistes keskkondades suudavad inimesed kõne tähendust paremini mõista kui tehisintellekt, sest me kasutame lisaks kõrvule ka silmi.
Näiteks näeme kellegi suu liikumist ja võime intuitiivselt teada, et kuuldud heli peab tulema just sellelt inimeselt.
Meta AI töötab uue tehisintellektil põhineva dialoogisüsteemi kallal, mille eesmärk on õpetada tehisintellekti ära tundma ka peeneid seoseid vestluses nähtu ja kuuldu vahel.
VisualVoice õpib sarnaselt sellele, kuidas inimesed õpivad uusi oskusi omandama, võimaldades audiovisuaalset kõne eraldamist, õppides visuaalseid ja kuulmisvihjeid sildistamata videotest.
Masinate jaoks loob see parema taju, samas kui inimese taju paraneb.
Kujutage ette, et saate osaleda metaversumis toimuvatel grupikoosolekutel koos kolleegidega üle kogu maailma, liitudes väiksemate grupikoosolekutega virtuaalses ruumis liikudes, mille käigus stseeni heli kajad ja tämbrid kohanduvad vastavalt keskkonnale.
See tähendab, et see suudab samaaegselt vastu võtta heli-, video- ja tekstiinfot ning omab rikkalikumat keskkonnamõistmise mudelit, mis võimaldab kasutajatel saada „väga vau“ helikogemuse.
Postituse aeg: 20. juuli 2022
