AV-STE восстанавливает семантические речевые токены Mimi из зашумлённого аудио, используя также видео губ говорящего.

Подходит для: очистка речевых токенов Mimi от фонового шума · подавление помех от конкурирующих говорящих · подготовка речевых токенов для диалоговых моделей на базе Mimi