Англоязычная модель на основе Auto-AVSR распознаёт речь по видеозаписи движения губ без использования аудио.

Подходит для: чтение по губам на англоязычных видеозаписях · исследование визуального распознавания речи · распознавание реплик в видеозаписях выступлений TED и TEDx