オーディオビジュアル造句

• このような観点から，本稿では，与えられた任意のテキストから音声だけでなく，音声に同期した唇動画像を生成するテキスト視聴覚（オーディオビジュアル）音声合成システムを構築することを目的とする．
  从这个角度来说，本文的目的是构建文本视听觉（音频视觉）语音合成系统，这一系统不仅可以从给出的任意文本中生成语音，还能生成与语音同步的唇动图像。