Monimutkaisissa ympäristöissä ihmiset ymmärtävät puheen merkityksen paremmin kuin tekoäly, koska käytämme korvien lisäksi myös silmiämme.
Esimerkiksi näemme jonkun suun liikkuvan ja saatamme intuitiivisesti tietää, että kuulemamme äänen täytyy tulla kyseiseltä henkilöltä.
Meta AI työstää uutta tekoälydialogijärjestelmää, jonka tarkoituksena on opettaa tekoälyä tunnistamaan hienovaraisia korrelaatioita näkemänsä ja kuulemansa välillä keskustelussa.
VisualVoice oppii samalla tavalla kuin ihmiset oppivat hallitsemaan uusia taitoja, mahdollistaen audiovisuaalisen puheen erottelun oppimalla visuaalisia ja auditiivisia vihjeitä nimeämättömistä videoista.
Koneille tämä luo paremman havaintokyvyn, kun taas ihmisen havaintokyky paranee.
Kuvittele, että voisit osallistua ryhmäkokouksiin metaversumissa kollegoiden kanssa kaikkialta maailmasta ja liittyä pienempiin ryhmäkokouksiin heidän liikkuessaan virtuaalitilassa, jolloin äänen kaiku ja sävyt kohtauksessa säätyvät ympäristön mukaan ja säätyvät vastaavasti.
Eli se voi vastaanottaa ääni-, video- ja tekstitietoja samanaikaisesti, ja sillä on rikkaampi ympäristön ymmärrysmalli, jonka ansiosta käyttäjät voivat kokea "todella vau" -äänikokemuksen.
Julkaisun aika: 20.7.2022
