samples テンソルは最初の次元に沿って分割され、最初の要素が映像潜在表現に、2番目の要素が音声潜在表現になります。ノイズマスクが存在する場合も、同じ方法で分割されます。
入力
注記: 入力潜在表現の
samples テンソルは、最初の次元（バッチ次元）に少なくとも2つの要素を持つ必要があります。最初の要素は映像潜在表現に使用され、2番目の要素は音声潜在表現に使用されます。noise_mask が存在する場合も、同じ方法で分割されます。
出力
このドキュメントは AI によって生成されました。エラーを見つけた場合や改善のご提案がある場合は、ぜひ貢献してください！ GitHub で編集
Source fingerprint (SHA-256):
22ed38bbc1b5716cee380c35c50455810f79c273f51bbe6a535c9ae33192afe6