已收录文章摘要，完整内容可前往原文阅读。
论文导读 成均馆大学团队提出Tap2Listen，让流式音视频人声提取可以在不同说话人之间切换。系统保留持续处理的音频历史，只重新设置与目标人脸有关的分支；在已知人脸切换协议中，新目标从首帧就能恢复