嘆息等非語言聲音時 ，波士讓他們聽音頻然后描述說話者可能的學(xué)突信息外貌特征 。研究團(tuán)隊正在努力收集更加多樣化的過聲訓(xùn)練數(shù)據(jù)，就像偵探在案件現(xiàn)場收集指紋然后與數(shù)據(jù)庫進(jìn)行比對一樣
。音還原說具體采用了改進(jìn)的視覺Transformer模型來處理音頻序列數(shù)據(jù)