清华开源音视频说话人提取模型Falcon:靠视觉定向听音,低延迟接入腾讯会议清华团队近期开源了因果音视频目标说话人提取(Audio-Visual Target Speaker Extraction, AVTSE)模型 Falcon。该模型能够在多说话人的嘈杂环境中,实时提取指...语音模型# Falcon1周前260