清华团队发布 Falcon:轻量流式音视频目标说话人提取
thu-ml · hf · 2026-10-29
清华大学与青海大学团队发布 Falcon,一个面向真实声学场景的轻量级因果音视频目标说话人提取(AVTSE)方法,以大幅减少的参数量和延迟实现高质量提取,适配延迟敏感的流式应用。
- 团队同时推出 RealSSA 基准,针对现有基准仅固定两名说话人、忽略远近场干扰、混响与突发噪声的缺陷,更贴近真实场景
- 论文 2026 年 10 月 23 日发布于 arXiv,作者包括胡晓林、黄劲等
「多模态」频道最新
- 这段 15 秒摩托车逃生 AI 视频被称为「迄今最酷」，提示词公开 — umesh_ai · 2026-10-29
- KAIST OmniShowcase:多视角图像驱动全向主体一致视频生成 — kaist-ai · 2026-10-29
- Seedance 2.5 出片：AI 电影制作再上新台阶 — SimplyAnnisa · 2026-10-29
- 作者晒 40 小时经验：用 Claude Code 自动剪视频， shorts 播放量破万 — aakashgupta · 2026-10-29
- OpusClip 推出 AI Producer:模仿爆款视频风格自动剪辑 — Scobleizer · 2026-10-29
- VFX 合成师开源 AI roto 节点：一键生成 4K 级发丝抠像 — Last_T_Rex · 2026-10-29