پیچیدہ ماحول میں ، انسان AI سے بہتر تقریر کے معنی کو سمجھ سکتے ہیں ، کیونکہ ہم نہ صرف اپنے کانوں بلکہ اپنی آنکھیں بھی استعمال کرتے ہیں۔
مثال کے طور پر ، ہم دیکھتے ہیں کہ کسی کا منہ چل رہا ہے اور بدیہی طور پر یہ جان سکتا ہے کہ جو آواز ہم سنتے ہیں وہ اس شخص کی طرف سے آنا چاہئے۔
میٹا اے آئی ایک نئے اے آئی ڈائیلاگ سسٹم پر کام کر رہی ہے ، جو اے آئی کو یہ سکھانا ہے کہ وہ گفتگو میں جو کچھ دیکھتی ہے اور سنتی ہے اس کے مابین ٹھیک ٹھیک ارتباط کو تسلیم کرنا سیکھنا ہے۔
ویزول وائس اسی طرح سیکھتا ہے کہ انسان نئی مہارتوں میں مہارت حاصل کرنے کے لئے کس طرح سیکھتا ہے ، جس سے بے ترتیب ویڈیوز سے بصری اور سمعی اشارے سیکھ کر آڈیو ویوئل اسپیچ علیحدگی کو قابل بنایا جاتا ہے۔
مشینوں کے ل this ، اس سے بہتر تاثر پیدا ہوتا ہے ، جبکہ انسانی تاثر میں بہتری آتی ہے۔
ذرا تصور کریں کہ پوری دنیا کے ساتھیوں کے ساتھ میٹورس میں گروپ میٹنگوں میں حصہ لینے کے قابل ، چھوٹے گروپ میٹنگوں میں شامل ہونے کے ساتھ ہی وہ ورچوئل اسپیس سے گزرتے ہیں ، اس دوران ماحول کے مطابق آواز میں آنے والی آواز اور اس کے مطابق ماحول کے مطابق ملتی ہے۔
یعنی ، یہ ایک ہی وقت میں آڈیو ، ویڈیو اور متن کی معلومات حاصل کرسکتا ہے ، اور اس میں ماحولیاتی تفہیم کا ایک بہتر ماڈل ہے ، جس سے صارفین کو "بہت واہ" صوتی تجربہ حاصل کرنے کی اجازت ملتی ہے۔
پوسٹ ٹائم: جولائی -20-2022
