KAIST 讀唇 AI 先抓最 清楚的嘴型, 無聲 辨識詞 錯誤率 降至 19.4%
署名 TechNews 編輯台全文約 672 字(含標點)
文章摘要
科技新報 · 文章頁摘要韓國科學技術院(KAIST)教授 Yong Man Ro 團隊開發讀唇人工智慧系統 DLLM-VSR,不需要任何聲音,只靠觀察說話者的嘴唇動作就能把話語轉成文字。這套系統改用擴散大型語言模型解讀唇形,以英語讀唇標準測試資料集 LRS3 將詞錯誤率(WER)降到 19.4%,使用相同標註資料訓練的方法...

正文開頭和上面的摘要相同,本站只顯示開頭;全文請到原站閱讀。