Tiết xuất loa mục tiêu trực tuyến hiệu quả cho các cảnh âm thanh thực tế

Đoạn trích bài viết

Streaming audio-visual target speaker extraction (AVTSE) là điều cần thiết cho các ứng dụng nhạy cảm với độ trễ. Tuy nhiên, các hệ thống nguyên nhân hiện tại đối mặt với hai khoảng trống kết hợp. Đầu tiên, bài đo chuẩn chuẩn xác định số lượng loa là hai và bỏ qua các nhiễu gần / xa trường, âm thanh và tiếng ồn đột ngột o.