研究人员推出了Candor-LR,这是一个旨在通过模拟自然对话来推进视听语音识别(AVSR)的新数据集。与使用脚本语音的LRS3等现有基准不同,Candor-LR源自真实的视频会议,并包含重叠语音和自发对话等功能。初步评估表明,虽然与LRS3相比,Candor-LR上的纯音频性能有所下降,但视觉线索显著提高了准确性,凸显了多模态方法在现实语音识别中的重要性。 AI
影响 该数据集可以通过使模型更好地处理对话的细微差别,从而带来更强大、更自然的语音识别系统。
排序理由 该集群包含一篇介绍新数据集的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →