Sa mga kumplikadong kapaligiran, maiintindihan ng mga tao ang kahulugan ng pagsasalita na mas mahusay kaysa sa AI, dahil ginagamit natin hindi lamang ang ating mga tainga kundi pati na rin ang ating mga mata.
Halimbawa, nakikita natin ang bibig ng isang tao na gumagalaw at maaaring intuitively na malaman na ang tunog na naririnig natin ay dapat na nagmumula sa taong iyon.
Ang Meta AI ay nagtatrabaho sa isang bagong sistema ng diyalogo ng AI, na magturo sa AI na malaman din na kilalanin ang mga banayad na ugnayan sa pagitan ng nakikita at naririnig sa isang pag -uusap.
Natuto ang VisualVoice sa isang katulad na paraan kung paano natututo ang mga tao na makabisado ang mga bagong kasanayan, na nagpapagana ng paghihiwalay ng pagsasalita ng audio-visual sa pamamagitan ng pag-aaral ng mga visual at auditory cues mula sa mga hindi nabuong mga video.
Para sa mga makina, lumilikha ito ng mas mahusay na pang -unawa, habang ang pang -unawa ng tao ay nagpapabuti.
Isipin na makilahok sa mga pagpupulong ng pangkat sa Metaverse kasama ang mga kasamahan mula sa buong mundo, na sumali sa mas maliit na mga pagpupulong ng grupo habang lumilipat sila sa virtual na puwang, kung saan ang tunog ay nagbabalik at mga timbres sa eksena ay ayon sa kapaligiran ay nababagay nang naaayon.
Iyon ay, maaari itong makakuha ng impormasyon sa audio, video at teksto nang sabay, at may mas mayamang modelo ng pag -unawa sa kapaligiran, na nagpapahintulot sa mga gumagamit na magkaroon ng isang "napaka -wow" na karanasan sa tunog.
Oras ng Mag-post: Jul-20-2022
