ในสภาพแวดล้อมที่ซับซ้อนมนุษย์สามารถเข้าใจความหมายของการพูดได้ดีกว่า AI เพราะเราไม่เพียง แต่ใช้หูของเราเท่านั้น แต่ยังรวมถึงดวงตาของเราด้วย
ตัวอย่างเช่นเราเห็นปากของใครบางคนเคลื่อนไหวและอาจรู้ว่าเสียงที่เราได้ยินจะต้องมาจากบุคคลนั้น
Meta AI กำลังทำงานเกี่ยวกับระบบการสนทนา AI ใหม่ซึ่งคือการสอน AI ให้เรียนรู้ที่จะรับรู้ถึงความสัมพันธ์ที่ละเอียดอ่อนระหว่างสิ่งที่เห็นและได้ยินในการสนทนา
VisualVoice เรียนรู้ในลักษณะเดียวกันกับวิธีที่มนุษย์เรียนรู้ที่จะฝึกฝนทักษะใหม่ ๆ ช่วยให้การแยกเสียงพูดด้วยเสียงโดยการเรียนรู้การมองเห็นและการได้ยินจากวิดีโอที่ไม่มีป้ายกำกับ
สำหรับเครื่องจักรสิ่งนี้จะสร้างการรับรู้ที่ดีขึ้นในขณะที่การรับรู้ของมนุษย์ดีขึ้น
ลองนึกภาพความสามารถในการมีส่วนร่วมในการประชุมกลุ่มใน Metaverse กับเพื่อนร่วมงานจากทั่วทุกมุมโลกเข้าร่วมการประชุมกลุ่มเล็ก ๆ ขณะที่พวกเขาย้ายผ่านพื้นที่เสมือนจริงในระหว่างที่เสียงดังและ timbres ในฉากทำตามสภาพแวดล้อมปรับตาม
นั่นคือมันสามารถรับข้อมูลเสียงวิดีโอและข้อความในเวลาเดียวกันและมีรูปแบบการทำความเข้าใจสิ่งแวดล้อมที่สมบูรณ์ยิ่งขึ้นทำให้ผู้ใช้มีประสบการณ์เสียง "ว้าว"
เวลาโพสต์: ก.ค. 20-2022
