音视频说话人验证基于联合交叉注意力

💡 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Seq2seq架构,在不同信噪比下相对于单独的音频模态获得2%到36%的提高,适用于清洁和嘈杂的条件下,可推广到其他多模态任务中。

🏷️

标签

➡️

继续阅读