跳到正文
arXiv · NLP· Nan Lu, Qifan Liang·· 3 天前AI 评分20

Speaking-Clock Mamba:基于音素条件状态空间建模的视觉强制对齐

Speaking-Clock Mamba: Phoneme-Conditioned State-Space Modeling for Visual Forced Alignment

AI 导读

summary_zh: 提出 Speaking-Clock Mamba 模型,通过在 Mamba 骨干中引入音素条件的选择性扫描(PCSS),将转录文本进度整合进时间递归过程。

来源:arXiv · NLP · arxiv.org