જટિલ વાતાવરણમાં, માણસો એઆઈ કરતાં વાણીનો અર્થ વધુ સારી રીતે સમજી શકે છે, કારણ કે આપણે ફક્ત આપણા કાનનો જ નહીં, પણ આપણી આંખોનો પણ ઉપયોગ કરીએ છીએ.
ઉદાહરણ તરીકે, આપણે કોઈનું મોં હલતું જોઈ શકીએ છીએ અને સાહજિક રીતે જાણી શકીએ છીએ કે આપણે જે અવાજ સાંભળીએ છીએ તે તે વ્યક્તિ તરફથી આવતો હોવો જોઈએ.
Meta AI એક નવી AI સંવાદ સિસ્ટમ પર કામ કરી રહ્યું છે, જે AI ને વાતચીતમાં જે જુએ છે અને સાંભળે છે તે વચ્ચેના સૂક્ષ્મ સહસંબંધોને ઓળખવાનું પણ શીખવવાનું છે.
વિઝ્યુઅલવોઈસ એ જ રીતે શીખે છે કે કેવી રીતે મનુષ્યો નવી કુશળતામાં નિપુણતા મેળવતા શીખે છે, લેબલ વગરના વિડિયોઝમાંથી દ્રશ્ય અને શ્રાવ્ય સંકેતો શીખીને ઑડિયો-વિઝ્યુઅલ વાણી વિભાજનને સક્ષમ કરે છે.
મશીનો માટે, આ બહેતર ખ્યાલ બનાવે છે, જ્યારે માનવ દ્રષ્ટિ સુધારે છે.
વિશ્વભરના સાથીદારો સાથે મેટાવર્સમાં ગ્રૂપ મીટિંગ્સમાં ભાગ લેવા સક્ષમ હોવાની કલ્પના કરો, વર્ચ્યુઅલ સ્પેસમાંથી આગળ વધતાંની સાથે નાની ગ્રૂપ મીટિંગ્સમાં જોડાઈ શકો છો, જે દરમિયાન દ્રશ્યમાં ધ્વનિ રિવર્બ્સ અને ટિમ્બ્રેસ પર્યાવરણ અનુસાર કરે છે તે મુજબ ગોઠવો.
એટલે કે, તે એક જ સમયે ઑડિઓ, વિડિયો અને ટેક્સ્ટ માહિતી મેળવી શકે છે, અને વધુ સમૃદ્ધ પર્યાવરણીય સમજ મોડેલ ધરાવે છે, જે વપરાશકર્તાઓને "ખૂબ જ વાહ" અવાજ અનુભવ કરવાની મંજૂરી આપે છે.
પોસ્ટ સમય: જુલાઈ-20-2022