Phys.org 科技·· 23 小时前AI 评分54
KAIST 用扩散大语言模型改进唇语识别，LRS3 上词错误率 19.4%
Lip-reading AI fills gaps in sentences by recognizing most certain words first
AI 导读
KAIST 电气工程学院 Yong Man Ro 团队提出一种视觉语音识别方法，先解码唇动清晰、置信度高的词，再借助前后文填补歧义位置，避免从左到右生成时早期错误影响后续词。
来源：Phys.org 科技 · techxplore.com