什么是MuAViC？
MuAViC是第一個(gè)音視頻語音翻譯基準(zhǔn)，也是最大的音視頻語音識別多語言基準(zhǔn)。它包含大約 1,200 小時(shí)的跨 9 種語言的轉(zhuǎn)錄數(shù)據(jù)。
在無數(shù)的日常情況下，背景噪音——交通聲、音樂聲、其他人說話的聲音——讓我們更難理解別人在說什么。人類經(jīng)常使用來自其他感官的信息，尤其是視覺，來幫助我們交流（正如 Harry McGurk 和 John MacDonald 在 1976 年的研究“聽嘴唇和看聲音”中指出的那樣）。例如，如果您在一場喧鬧的音樂會上與朋友交談，您可能會關(guān)注他們的臉部以補(bǔ)充您能聽到的內(nèi)容。
