Multi-Input Multi-Output Target-Speaker Voice Activity Detection For Unified, Flexible, and Robust Audio-Visual Speaker Diarization

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Cheng, Ming, Li, Ming
Formato:	Preprint
Publicado:	2024
Materias:	Audio and Speech Processing
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2401.08052