IXThinker·2025-03-25 16:20

語音識別加視覺輔助 錯誤率降低12.5%

嘈雜環境中語音助手聽不清指令、視像通話時發音含糊難辨——中國人民大學與卡內基梅隆大學團隊提出結合視覺的語音識別新方法，獲AAAI 2025收錄並開源。

現實難題

自動語音識別（ASR）在真實影片場景仍面對諸多挑戰，包括噪聲干擾、口語化表達及同音詞混淆等，傳統方法亦未能充分利用視覺資訊輔助理解。