Актуальні теми
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
shira
щось нове (у сфері штучного інтелекту та музичного продакшну) і ще одна річ. Попередній: AI @uchicago @mit @intel @cdcgov та ще кілька місць. Особисто я вважаю себе досить смішним.
Нарешті ми переходимо від мовлення до тексту до середовища до контексту!!
стандартні голосові асистенти використовують ASR (розпізнавання мовлення) конвеєр, який забирає 90% акустичного контексту. те, що показує OpenHome, ймовірно, використовує вбудовані аудіотрансформатори або CLAP (Contrastive Language-Audio Pretraining) embeddings для безперервної обробки сирих аудіоспектрограм. він виявляє акустичні події (AED) і паралінгвістичні сигнали (зітхання, тон) замість просто слів.
Тепер додайте постійну камеру з візуальними трансформерами, і вам просто дали агенту очі, які відповідають просторовому слуху.
Справжнє мультимодальне злиття сенсорів може зробити ручне підказування застарілим
Просто варто подумати
13 бер., 09:01
Вступ: ПРОСТОРОВИЙ ІНТЕЛЕКТ 🔊
Асистенти ШІ розуміють лише СЛОВА.
Справжній навколишній інтелект також повинен розуміти ЗВУК.
> гавкає собака
> плаче немовля
> двері відкриваються
> емоції у твоєму голосі
Більше ніяких підказок!
Контекст агента будується АВТОМАТИЧНО на @openhome
209
Найкращі
Рейтинг
Вибране