玩懂手機網4月14日消息， 穀歌發佈了一個叫做Audio-Visual Speech Separation視聽語音分離技術， 能夠通過分析影片中人物聲音的特徵， 將影片中人物聲音分離成獨立音軌， 可以讓觀眾自由選擇聽哪位人物的聲音。
穀歌研發團隊在《Looking to Listen at the Cocktail Party》中， 表示通過深度學習聲音， 圖像模型分離語音的技術， 對影片中特定人物的音質進行強化， 並消除其它人的聲音和環境音。
這個技術可以可以分析影片中的圖像和聲音， 通過自動辨別人物表情的變化， 提升辨別的精准度， 同時它也能應用於一般單聲道影片， 系統會自動辨別影片中的人物與聲音， 觀眾需要做的只要點選影片中出現的人臉， 就能夠聽到他的聲音。