Ing lingkungan sing rumit, manungsa bisa ngerti makna wicara luwih apik tinimbang AI, amarga kita ora mung nggunakake kuping nanging uga mripat.
Contone, kita ndeleng cangkeme wong sing obah lan kanthi intuisi ngerti manawa swara sing dirungokake mesthi asale saka wong kasebut.
Meta AI nggarap sistem dialog AI anyar, yaiku ngajari AI uga sinau ngerteni korélasi subtle antarane apa sing dideleng lan dirungokake ing obrolan.
VisualVoice sinau kanthi cara sing padha karo carane manungsa sinau kanggo nguwasani katrampilan anyar, ngaktifake pamisahan wicara audio-visual kanthi sinau isyarat visual lan pendengaran saka video sing ora duwe label.
Kanggo mesin, iki nggawe pemahaman sing luwih apik, dene persepsi manungsa nambah.
Mbayangno bisa melu ing rapat-rapat klompok ing metaverse karo kolega saka kabeh ndonya, gabung rapat-rapat klompok cilik nalika padha pindhah liwat papan virtual, sajrone reverbs swara lan timbres ing pemandangan apa miturut lingkungan Nyetel patut.
Yaiku, bisa entuk informasi audio, video lan teks bebarengan, lan duwe model pangerten lingkungan sing luwih sugih, ngidini pangguna duwe pengalaman swara "banget wow".
Wektu kirim: Jul-20-2022
