本文介绍了一种名为AV-CPL的连续伪标签方法，用于音视频语音识别（AVSR）。该方法通过结合标记和未标记视频，持续生成伪标签来训练模型。在LRS3数据集上，AV-CPL显著提升了视觉语音识别（VSR）性能，同时保持了自动语音识别（ASR）和AVSR的实用性。此外，该方法利用未标记的视觉语音数据改善VSR表现。