《Sound-VECaps: 通过视觉增强字幕提升音频生成》，袁易，贾东亚，庄小斌，陈元哲，刘正熙，陈卓，王玉平，王玉轩，刘旭波，康熙远，Mark D. Plumbley，王文武，https://ift.tt/EcGnSvs
