In ambienti complessi, gli esseri umani possono comprendere il significato del parlato meglio dell’intelligenza artificiale, perché usiamo non solo le orecchie ma anche gli occhi.
Ad esempio, vediamo la bocca di qualcuno muoversi e possiamo intuitivamente sapere che il suono che sentiamo deve provenire da quella persona.
Meta AI sta lavorando a un nuovo sistema di dialogo AI, che insegnerà all'IA a imparare anche a riconoscere le sottili correlazioni tra ciò che vede e sente in una conversazione.
VisualVoice apprende in modo simile a come gli esseri umani imparano a padroneggiare nuove abilità, consentendo la separazione del parlato audiovisivo apprendendo segnali visivi e uditivi da video senza etichetta.
Per le macchine, questo crea una migliore percezione, mentre la percezione umana migliora.
Immagina di poter partecipare a riunioni di gruppo nel metaverso con colleghi provenienti da tutto il mondo, unendoti a riunioni di gruppi più piccoli mentre si muovono nello spazio virtuale, durante le quali i riverberi sonori e i timbri della scena si adattano all'ambiente e si adattano di conseguenza.
Cioè, può ottenere informazioni audio, video e di testo allo stesso tempo e ha un modello di comprensione ambientale più ricco, consentendo agli utenti di avere un'esperienza sonora "molto wow".
Orario di pubblicazione: 20 luglio 2022
