Monimutkaisissa ympäristöissä ihmiset ymmärtävät puheen merkityksen paremmin kuin AI, koska käytämme myös korvien lisäksi myös silmiämme.
Esimerkiksi, näemme jonkun suuhun liikkuvan ja voimme intuitiivisesti tietää, että kuulemamme äänen on tulossa kyseiseltä henkilöltä.
Meta AI työskentelee uuden AI -vuoropuhelujärjestelmän parissa, jonka tarkoituksena on opettaa AI: n oppimaan myös tunnistamaan hienovaraiset korrelaatiot sen näkemän ja kuulemisen välillä.
VisualVoice oppii samalla tavalla kuin ihmiset oppivat hallitsemaan uusia taitoja, mikä mahdollistaa audiovisuaalisen puheen erottelun oppimalla visuaalisia ja kuuloviitteitä leimaamattomista videoista.
Koneissa tämä luo paremman käsityksen, kun taas ihmisen havainto paranee.
Kuvittele, että pystyt osallistumaan ryhmäkokouksiin Metaverseissa kollegoiden kanssa ympäri maailmaa, liittymällä pienempiin ryhmäkokouksiin, kun ne liikkuvat virtuaalitilan läpi, jonka aikana kohtauksen äänet ja timbrit tekevät ympäristön mukaisesti mukaisesti.
Toisin sanoen se voi hankkia ääni-, video- ja tekstitietoja samanaikaisesti, ja sillä on rikkaampi ympäristöympäristömalli, jonka avulla käyttäjät voivat olla "erittäin vau" -kokemus.
Viestin aika: heinäkuu-20-2022
