具體采用了改進(jìn)的波士Transformer模型來處理音頻序列數(shù)據(jù) 。理解說話者聲音特征的學(xué)突信息時間演變模式 。嘴唇動作，過聲突破性實驗 ：當(dāng)機(jī)器的音還原說眼睛比人類更敏銳

為了驗證Audio2Face系統(tǒng)的性能