Во сложени средини, луѓето можат да го разберат значењето на говорот подобро од вештачката интелигенција, бидејќи ги користиме не само ушите, туку и очите.
На пример, гледаме како нечија уста се движи и можеби интуитивно знаеме дека звукот што го слушаме мора да доаѓа од таа личност.
Мета вештачка интелигенција работи на нов систем за дијалог со вештачка интелигенција, кој треба да ја научи вештачката интелигенција да препознава и суптилни корелации помеѓу она што го гледа и слуша во разговор.
VisualVoice учи на сличен начин како што луѓето учат да совладаат нови вештини, овозможувајќи аудио-визуелно раздвојување на говорот преку учење визуелни и аудитивни знаци од необележани видеа.
Кај машините, ова создава подобра перцепција, додека човечката перцепција се подобрува.
Замислете да можете да учествувате на групни состаноци во метаверзумот со колеги од целиот свет, приклучувајќи се на помали групни состаноци додека се движат низ виртуелниот простор, за време на кои звучните одекнувања и тембрите во сцената се менуваат според околината и се прилагодуваат соодветно.
Тоа е, може да добива аудио, видео и текстуални информации во исто време и има побогат модел на разбирање на животната средина, овозможувајќи им на корисниците да имаат „многу возбудливо“ звучно искуство.
Време на објавување: 20 јули 2022 година
