In komplexen Umgebungen können Menschen die Bedeutung von Sprache besser verstehen als AI, da wir nicht nur unsere Ohren, sondern auch unsere Augen verwenden.
Zum Beispiel sehen wir den Mund von jemandem und können intuitiv wissen, dass der Klang, den wir hören, von dieser Person kommen muss.
Meta AI arbeitet an einem neuen KI -Dialogsystem, das KI lehrt, auch zu lernen, subtile Korrelationen zwischen dem zu erkennen, was sie in einem Gespräch sieht und hört.
VisualVoice lernt in ähnlicher Weise wie Menschen lernen, neue Fähigkeiten zu beherrschen, und ermöglicht die audiovisuelle Sprachtrennung, indem sie visuelle und auditive Hinweise von nicht markierten Videos lernen.
Für Maschinen schafft dies eine bessere Wahrnehmung, während sich die menschliche Wahrnehmung verbessert.
Stellen Sie sich vor, Sie könnten an Gruppenbesprechungen in der Metaverse mit Kollegen aus der ganzen Welt teilnehmen und sich kleineren Gruppenversammlungen anschließen, während sie sich durch den virtuellen Raum bewegen, in dem sich die Klangländer und Timbres in der Szene entsprechend anpassen.
Das heißt, es kann gleichzeitig Audio-, Video- und Textinformationen erhalten und über ein reichhaltigeres Umgebungsverständnismodell verfügen, sodass Benutzer ein "sehr Wow" -Soundlebnis haben können.
Postzeit: Jul-20-2022
