映像と音声で即応する会話エージェントJAVIS
原題 JAVIS: Joint Audio-Visual Interaction and Streaming for Real-Time Conversational Agents
人のコミュニケーションは言葉や声に加え視覚信号でも伝わるが、既存の会話システムは主に音声やテキスト中心だった。JAVISは音声と映像を同時に扱い、リアルタイムでストリーミング応答する会話エージェントを目指す。
論点
AIとの会話に「目」は必須になるか
- コメントを読み込み中…
議論のヒントを見る
賛成側の視点
表情や周囲が見えなければ人間らしい対話は無理だ。次の標準は映像つき対話になる。反対側の視点
常時カメラはプライバシーの悪夢。音声とテキストで十分で、見られるAIなど誰も望まない。
みんなのコメント 件
コメントを書く