TDFNet:一种高效的音频 - 视觉语音分离模型与自顶向下融合

💡 原文中文,约200字,阅读约需1分钟。
📝

内容提要

TDFNet是一种音视频语音分离模型,基于TDANet架构进行改进,实现了声音和图像网络的高效融合,提供了更高效和高效的解决方案,性能超越了CTCNet。

🏷️

标签

➡️

继续阅读