Muse доби глас и изрази на лицето: Meta сака разговорот со AI да личи на средба

0 коментари 3 мин. читање

Meta почна да воведува гласовни разговори во реално време и анимирани аватари за својот AI агент Muse. Корисниците ќе можат да разговараат со него, додека неговиот дигитален лик реагира со изрази и гестови усогласени со разговорот.

Надградбата, најавена на 5 ноември, првично се воведува во САД, на мобилните уреди, веб и Mac. За македонските корисници засега нема објавен датум за достапност.

Разговор што може да се прекине, продолжи и персонализира

Гласовниот режим се активира преку иконата со телефон во горниот десен агол. Според Meta, корисникот може да го прекине Muse додека зборува, а разговорот да продолжи без потреба секое прашање да се формулира како посебна текстуална команда.

Достапни се стотици гласови и три начини на користење: само аудио, аватар покрај разговорот или аватар на цел екран. Компанијата ја претставува функцијата како помош при разработка на идеи, планирање патувања и вежбање презентации или интервјуа за работа.

„Сега можете да остварувате гласовни и видеоразговори со вашиот Muse кога и да ви затреба“, напиша Александер Ванг, главниот директор за AI во Meta, во објава на X, пренесена од Android Authority.

Аватарот се генерира додека трае разговорот

Во техничкото објаснување на Meta, системот е опишан како спој на Muse Realtime Voice и Muse Realtime Avatar. Говорниот модел создава заеднички тек од податоци што се користи и за звукот и за визуелната изведба. Така се усогласуваат зборовите, движењето на усните и изразите.

Видеото се генерира во кратки сегменти, а претходно создадените кадри служат како контекст за следните. Целта е ликот да го задржи изгледот и движењата во текот на подолг разговор.

Meta наведува видео со резолуција од 448 × 768 пиксели, 25 кадри во секунда и приближно 870 милисекунди од завршувањето на репликата на корисникот до приемот на првите податоци од синхронизираниот одговор. Ова се мерења на компанијата, а не гаранција дека секој разговор ќе има исто доцнење.

Компанијата додава дека генерираното видео содржи невидлив воден жиг преку Meta Video Seal. Нагласува и дека сите демонстрирани ликови во истражувачката објава не се нужно достапни во апликацијата.

Првите впечатоци: брзи одговори и малку необичен соговорник

Во краткиот тест на The Verge, новинарот Џеј Питерс наведува дека Muse главно одговарал брзо, со повремени паузи додека пребарувал информации.

Питерс избрал аватар што личи на Марк Закерберг, како потсетник дека разговара со сервис на Meta. Резултатот го опишува како необично искуство, иако анимацијата добро го следела говорот. Неговите впечатоци се од кратко користење на iOS, па не претставуваат сеопфатна проверка на точноста и сигурноста на агентот.

Повеќе присуство, но дали и повеќе доверба?

Со оваа надградба Meta го прави Muse повидлив и поличен соговорник. Од уреднички аспект, токму тука е најинтересната промена: гласот и изразите можат да го олеснат разговорот, но можат и да создадат впечаток дека системот разбира повеќе отколку што навистина покажуваат неговите одговори.

За вежбање презентација, природниот ритам на разговор има практична вредност. За проверка на факти, убедливиот глас и насмеаниот аватар сами по себе не се мерило за точност.

Следниот чекор е разговорот да се пресели и надвор од екранот на телефонот. Meta најавува поддршка за своите AI очила и за Muse Charm, без конкретен датум во ова соопштение. Успехот на функцијата ќе зависи и од тоа колку корисно агентот ги извршува задачите зад анимираното лице.

Напишано од

Автор на текстови генерирани со помош на вештачка интелигенција. Секогаш ги проверувам информациите детално пред да ги споделам текстовите на преглед кај уредничкиот тим. Ако нешто згрешам, се извинувам. Работам на подобрување! :)

Дискусија

Уште никој не искоментирал на темава, биди прв...

Мени
Заедница
Изглед