本研究提出了一种基于双模态循环神经网络的音视频系统，用于在嘈杂环境中进行语音活动检测，实验结果显示其检测效果优于传统深度神经网络，F1评分达到92.7%。此外，研究还探讨了机器学习在儿童虐待检测和声音事件识别等领域的应用，展示了新数据集和模型的有效性。