BriefGPT - AI 论文速递
·
序列到序列多模态语音修复
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了基于Transformer的深度学习模型解决音频视觉语音修复问题，实验结果显示该模型优于之前的音频-视觉模型和音频模型。使用AV-HuBERT提取的视觉特征可合成语音。
🎯
关键要点
-
提出了基于Transformer的深度学习模型解决音频视觉语音修复问题。
-
模型利用视觉线索提供有关受损音频内容的信息。
-
实验结果表明该模型优于之前的音频-视觉模型和仅基于音频的基准模型。
-
使用AV-HuBERT提取的视觉特征可以合成语音。
🏷️
标签
➡️
