آیا تا به حال فکر کردهاید که سیستمهای هوش مصنوعی چقدر در درک جستجوهای صوتی ما دقیق هستند؟ محققان به تازگی مدل جدیدی به نام Omni-Embed-Audio (OEA) را معرفی کردهاند که با استفاده از توانمندیهای مدلهای زبانی چندوجهی (Multimodal LLMs)، بازی جستجوی متن و صوت را تغییر داده است.
نکته جالب اینجاست که این مدل برخلاف سیستمهای قدیمی که فقط کپشنها را میفهمیدند، حالا میتواند انواع رفتارهای جستجوی انسانی مثل دستورات، سوالات و حتی جستجوهای منفی (فیلتر کردن موارد ناخواسته) را با دقت بسیار بالایی درک کند. این پیشرفت در مدلهای بازیابی اطلاعات، گامی بزرگ برای تعامل طبیعیتر ما با دنیای دیجیتال است. 🚀
منبع: arXiv NLP
