多喇叭語音辨識的無縫整合：以時間戳和標記的橋接

提出了Sortformer，一種新穎的神經網絡模型，用於解決喇叭分離問題。Sortformer通過引入排序損失和技術來橋接時間戳和標記，實現了喇叭分離和自動語音辨識的無縫整合。