Candor-LR

新的Candor-LR数据集推动视听语音识别走向自然对话

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。