给语音模型戴上「眼镜」，错误率降低12.5%！人大CMU最新开源 | AAAI 2025
给语音模型戴上「眼镜」，错误率降低12.5%！人大CMU最新开源 | AAAI 2025视觉+语音=更强的语音识别！BPO-AVASR通过优化音视频输入和输出偏好，提升语音识别在真实场景中的准确性，解决了传统方法在噪声、口语化和视觉信息利用不足的问题。
来自主题: AI技术研报
6345 点击 2025-03-24 16:01
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT