Yn komplekse omjouwings kinne minsken de betsjutting fan spraak better begripe dan AI, om't wy net allinich ús earen brûke, mar ek ús eagen.
Wy sjogge bygelyks de mûle fan ien bewege en kinne yntuïtyf witte dat it lûd dat wy hearre fan dy persoan komme moat.
Meta AI wurket oan in nij AI-dialoochsysteem, dat AI moat leare om ek subtile korrelaasjes te herkennen tusken wat it sjocht en heart yn in petear.
VisualVoice leart op in fergelykbere manier as hoe't minsken leare om nije feardigens te behearskjen, audiofisuele spraakskieding mooglik te meitsjen troch fisuele en auditive oanwizings te learen fan unlabelde fideo's.
Foar masines soarget dit foar bettere waarnimming, wylst minsklike waarnimming ferbetteret.
Stel jo foar dat jo kinne meidwaan oan groepsgearkomsten yn 'e metaverse mei kollega's fan oer de hiele wrâld, meidwaan oan lytsere groepsgearkomsten as se troch de firtuele romte bewege, wêrby't de lûdgalmen en timbres yn 'e sêne dogge neffens de omjouwing Oanpasse dêrop.
Dat is, it kin audio-, fideo- en tekstynformaasje tagelyk krije, en hat in riker miljeufersteanmodel, wêrtroch brûkers in "tige wow" lûdûnderfining kinne hawwe.
Post tiid: Jul-20-2022
