研究人员开发了一个新的无声语音合成框架，该框架结合了表面肌电图（sEMG）和唇语数据。这种方法在训练过程中使用模态掩码，以提高对传感器故障或信号退化的鲁棒性。与单一模态方法相比，掩码多模态系统显著降低了词错误率，尤其是在元音和某些辅音组方面，证明了其在辅助技术方面的有效性。 AI
影响 这项研究通过提高无声语音合成系统的鲁棒性和准确性，推动了辅助技术的发展。
排序理由 该集群包含一篇学术论文，详细介绍了无声语音合成的新技术方法。[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 →