摘 要:针对流媒体平台影视内容精细化运营中人工标注说话人成本高、覆盖率低且现有字幕缺失身份标签,阻碍了智能化内容索引与角色关系分析等问题的开展,引入多模态数据集为研究对象,提出一套协同利用字幕、画面与音(试读)...