Ve složitých prostředích dokáží lidé rozumět významu řeči lépe než umělá inteligence, protože používáme nejen uši, ale i oči.
Například vidíme, jak se něčí ústa pohybují, a intuitivně víme, že zvuk, který slyšíme, musí pocházet od této osoby.
Společnost Meta AI pracuje na novém systému dialogu s umělou inteligencí, který má umělou inteligenci naučit rozpoznávat jemné souvislosti mezi tím, co v konverzaci vidí a slyší.
VisualVoice se učí podobným způsobem, jako se lidé učí zvládat nové dovednosti, a umožňuje audiovizuální oddělení řeči učením vizuálních a sluchových signálů z neoznačených videí.
U strojů to vytváří lepší vnímání, zatímco lidské vnímání se zlepšuje.
Představte si, že se můžete účastnit skupinových schůzek v metavesmíru s kolegy z celého světa, připojovat se k menším skupinovým schůzkám, které se pohybují virtuálním prostorem, během nichž se zvukové dozvuky a zabarvení ve scéně mění podle prostředí a odpovídajícím způsobem se upravují.
To znamená, že dokáže současně získávat zvukové, obrazové a textové informace a má bohatší model porozumění prostředí, což uživatelům umožňuje zažít „velmi úžasný“ zvukový zážitek.
Čas zveřejnění: 20. července 2022
