统一语音识别：一种用于听觉、视觉和视听输入的单一模型

本研究提出了一种统一的训练策略，解决了听觉、视觉和视听语音识别的独立性问题。通过贪婪伪标签方法，利用未标记样本提升模型性能，达到了最新技术水平。