清华大学与青海大学团队发布 Falcon：轻量流式音视频目标说话人提取方法

清华大学与青海大学团队发布 Falcon，一种面向真实声学场景的轻量级因果音视频目标说话人提取（AVTSE）方法，以更少参数量和更低延迟实现高质量提取。团队同时推出 RealSSA 基准，覆盖固定说话人数量、远近场干扰、混响与突发噪声等现实场景因素，论文于 2026 年 10 月 23 日发布于 arXiv。