来自印度理工学院的研究团队提出了一个新颖的可视模块 LipGAN。LipGAN 能够从翻译后的音频中生成逼真的说话面孔。在标准 LRW 测试集上对 LipGAN 的定量评估表明，它在所有标准指标上的性能均明显优于现有方法。除此之外，研究团队还对「面对面翻译」管道进行了多次人工评估，并表明它可以显着改善在跨语言使用和与多模式内容交互方面的整体用户体验。