Az OpenAI, egy weboldal szalvétára felskiccelt koncepcióját kóddá fordító anyaggal szemléltetve, márciusban vezette be a GPT-4-t, nagy nyelvmodellhez (large language model, LLM) viszont a Google használt először vizuális inputot úgy, hogy az output is kép legyen (image-to-image). Egy májusi…

Mainstreammé vált az ingyenes mesterségesintelligencia-szolgáltatásokat nyújtó online platformokkal könnyebbé tett hangklónozás. Szövegek és képek után most már ezek az új hangok is elég meggyőzőek és hozzáférhetőek annyira, hogy mindenféle tartalomgeneráló hatékony eszközként használja őket. Az…

A Massachusetts állambeli Modulate startup személyek hangját álcázó, inkognitóba rejtő megoldást kínál. Az ezúttal jó célokat szolgáló deepfake-technológia elsősorban a hangjukkal negatív előítéleteket kiváltó és verbális online visszaélésnek kitett transzneműeknek, de az online szexuális…

Mennyire vagyunk képesek beszéde alapján következtetni egy személy kinézetére? A beszédgenerálás módjának közvetlen következménye, hogy a kettő, a beszéd és az arc között erős kapcsolat áll fenn. Hallgatás közben mentális modellt építünk az illetőről – kora, neme,…

Több kutatócsoport próbálkozik a gépi beszédfelismerés és szövegértés biztonságosabbá tételével, hogy mesterséges intelligenciákat ne tévesszenek meg például az emberi fül számára jóindulatú, de rejtett, például egy eszköz virtuális asszisztensen keresztüli…

Poppy Crum, a Stanford Egyetem idegtudósa és a Dolby Labor egyik vezető kutatója szerint fülünk egy USB port biológia megfelelője – egyrészt agyunkra „írja”, azaz továbbítja a fejhallgatón szóló zene hangjait, másrészt „olvas” is az agyból. Idővel fülünkbe helyezett,…

Beszéd közben agyunk jeleket küld szájunkra, nyelvünkre, gégénkre és állkapcsunkra, együttes tevékenységük eredménye az óhajtott hang. A San Franciscói Kaliforniai Egyetem (UCSF) kutatói öt agyműtéten átesett epilepsziás személy jelzéseit rögzítették, miközben 100…

A mai telefonhívások kb. harmada robothívás. Automatizált szerkezetek kezdeményezik, amelyeket úgy programoztak, hogy válasz esetén előzetesen felvett szöveget mondjanak el. Szakértők szerint az idegesítő hívások újabb fejlődési szinthez közelítenek. A következő lépés,…

Ha valaha részt vettünk konferenciahíváson, nagyon jól tudjuk, mennyire fontos, hogy hang alapján felismerjünk személyeket. Ha nem menne, akkor még azzal sem lennénk tisztában, hogy kinek válaszoljuk meg a kérdést, kinek számoljunk be legújabb munkánkról. Egy mesterséges…