这篇文档主要讨论了什么问题？它的重点是在多语言环境下的语音识别和语音到文本翻译方面的挑战和解决方案吗？
这篇文档主要讨论了MuAViC这个多语言音频-视觉语料库，以及在多语言环境下的语音识别和语音到文本翻译方面的挑战和解决方案。该语料库包含来自TED和TEDx演讲的1200小时的音频-视觉语音，涵盖了9种语言。作者介绍了MuAViC是迄今为止最大的开放式多语言音频-视觉语音识别和唇读基准，并提供了6种英语到其他语言和6种其他语言到英语的文本翻译基线。此外，MuAViC还是首个公开可用的音频-视觉语音到文本翻译语料库。
MuAViC是如何构建的？它提供了哪些语言的音频-视觉语音数据？这些数据是否包含跨语言翻译？
MuAViC是通过从TED和TEDx演讲录音中收集音频和视频轨道，并将其与人工转录和文本翻译进行对齐来构建的。它提供了9种语言的音频-视觉语音数据，包括英语（En）、阿拉伯语（Ar）、德语（De）、希腊语（El）、西班牙语（Es）、法语（Fr）、意大利语（It）、葡萄牙语（Pt）和俄语（Ru）。MuAViC是迄今为止最大的用于多语言音频-视觉语音识别和唇读的开放基准。此外，它还提供了6种英语到其他语言和6种其他语言到英语的文本翻译。
文档中提到的AVSR模型在嘈杂环境中的表现如何？相比于纯音频模式，音频-视觉模式是否能够显著降低错误率？这些模型在不同语言上的表现是否有差异？
根据参考信息中的内容，AVSR模型在嘈杂环境中的表现相对较好。在嘈杂环境中，纯音频模式的