Nature Machine Intelligenceは、機械の聽取と発話のための一般的な聴覚知能の発展についての資料を公開しました。説明によると、コンピュータ聴取は、音声、周囲の環境音、音楽を含む人が聴く信号を理解・処理・生成することを包含します。

出版社によると、この方向性は伝統的なアプローチの枠を超え、より完全な理解、自然な生成、そして人間に似た相互作用を実現するために基盤モデルの能力を活用することを目指しています。

なぜこれが重要かというと、オーディオには意味的・情動的・文脈的信号が含まれており、自然で体現的な機械知性の重要な部分と見なされるからです。提供されたパッケージには、論文本文の全体や個別のシステムに関する具体的な情報は含まれていません。