জটিল পরিবেশে, মানুষ এআইয়ের চেয়ে বক্তৃতার অর্থটি আরও ভাল বুঝতে পারে, কারণ আমরা কেবল আমাদের কানই নয় আমাদের চোখও ব্যবহার করি।
উদাহরণস্বরূপ, আমরা কারও মুখকে চলতে দেখি এবং স্বজ্ঞাতভাবে জানতে পারি যে আমরা যে শব্দটি শুনি তা অবশ্যই সেই ব্যক্তির কাছ থেকে আসবে।
মেটা এআই একটি নতুন এআই কথোপকথন সিস্টেমে কাজ করছে, যা এআইকে কথোপকথনে যা দেখে এবং শুনে তাগুলির মধ্যে সূক্ষ্ম সম্পর্কগুলি স্বীকৃতি দিতে শিখতে শেখানো হয়।
ভিজ্যুয়াল ভোইস একইভাবে শিখেছে যে কীভাবে মানুষ নতুন দক্ষতা অর্জন করতে শিখেছে, লেবেলযুক্ত ভিডিওগুলি থেকে ভিজ্যুয়াল এবং শ্রুতি সংকেত শিখিয়ে অডিও-ভিজ্যুয়াল বক্তৃতা বিচ্ছেদকে সক্ষম করে।
মেশিনগুলির জন্য, এটি আরও ভাল ধারণা তৈরি করে, যখন মানুষের উপলব্ধি উন্নত হয়।
ভাবুন বিশ্বজুড়ে সহকর্মীদের সাথে মেট্রেভার্সে গ্রুপ সভায় অংশ নিতে সক্ষম হচ্ছেন, তারা ভার্চুয়াল স্পেসের মধ্য দিয়ে যাওয়ার সাথে সাথে ছোট গ্রুপ সভায় যোগদান করেছেন, এই সময়ে দৃশ্যের শব্দটি পুনর্বিবেচনা এবং টিম্ব্রেস পরিবেশ অনুসারে সামঞ্জস্য করে।
এটি হ'ল এটি একই সাথে অডিও, ভিডিও এবং পাঠ্য তথ্য পেতে পারে এবং আরও সমৃদ্ধ পরিবেশগত বোঝার মডেল রয়েছে, যা ব্যবহারকারীদের একটি "খুব বাহ" শব্দের অভিজ্ঞতা অর্জন করতে পারে।
পোস্ট সময়: জুলাই -20-2022
