KAIST团队提出扩散大语言模型唇读方法

1. 20:00
   Phys.org 科技

   KAIST 用扩散大语言模型改进唇语识别，LRS3 上词错误率 19.4%

   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。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。