**ATR:基于对齐推理的多模态配音唇形同步评估模型** _Align Then Reason: A Multimodal Lip-Sync Judge fo
原帖
**ATR:基于对齐推理的多模态配音唇形同步评估模型**
_Align Then Reason: A Multimodal Lip-Sync Judge for Dubbing_
> HuggingFace 社区论文提出 ATR 模型,旨在解决无参考音频下的配音质量评估难题。该模型通过建立帧级唇部特征与候选文本音素单元的单调对齐,结合 LLM 进行内容与时间维度的联合推理。在七语言基准测试中,ATR 相比 Qwen3.5 基线平均 AUC 提升超 50%,并在配音行重排序等下游任务中显著优于传统唇读基线,展现出跨语言与跨数据集的泛化能力。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-02 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2610.00825)