BriefGPT - AI 论文速递 · 2023-08-16T00:00:00Z SCANet: 自我和交叉注意网络用于音视频语音分离 💡 原文中文，约200字，阅读约需1分钟。 📝 内容提要 该研究提出了一种基于多模态注意力的音视频语音识别方法，使用了最先进的Seq2seq架构，相对于单独的音频模态获得了2%到36%的提高。该方法在不同信噪比下，无论是清洁还是嘈杂的条件下，都能获得更好的识别性能，并可推广到其他多模态任务中。 🏷️ 标签 Seq2seq架构 信噪比 多模态注意力 识别性能 音视频语音识别 阅读原文 生成长图 分享链接 已复制链接
