
Ing lingkungan sing kompleks, manungsa bisa ngerti makna pidato sing luwih apik tinimbang AI, amarga kita nggunakake ora mung kupinge, nanging mripat kita uga.
Contone, kita ndeleng cangkeme wong sing obah lan bisa uga intuisi ngerti manawa swarane sing kita krungu, kudu teka saka wong kasebut.
Meta Ai nggarap sistem dialog AI anyar, yaiku kanggo mulang AI uga sinau ngerteni korselasi subtle ing antarane apa wae sing dideleng.
Visualvoice sinau kanthi cara sing padha kanggo kepiye manungsa sinau kanggo nguwasani katrampilan anyar, ngaktifake pemisahan pidato audio-visual kanthi sinau isyarat visual lan auditory saka video sing ora dilindhungi.
Kanggo mesin, iki nggawe persepsi sing luwih apik, nalika persepsi manungsa nambah.
Bayangake yen bisa melu rapat-rapat klompok ing kiasan saka kabeh jagad, gabung karo rapat-rapat klompok cilik nalika pindhah menyang ruang virtual, nalika ana swara swara ing pemandangan sing cocog.
Yaiku, bisa entuk informasi audio, video lan teks ing wektu sing padha, lan duwe model pangerten lingkungan sing sugih, ngidini pangguna duwe pengalaman swara "banget WOW".
Wektu Pos: Jul-20-2022