原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
摘要
摘要
自动音频描述生成（AutomatedAudioCaptioning,AAC）作为跨模态生成任务
的重要分支，旨在通过自然语言精准描述包含环境声、语音事件和音乐元素等复杂
声学场景的语义信息。近年来，随着Transformer架构在跨模态任务中的突破性进
展，基于序列到序列（seq2seq）框架的AAC系统逐步成为研究主流。然而现有方
法仍面临三重挑战：传统声学特征提取器难以捕捉细粒度时序信息；解码端语言生
成能力
文档评论（0）