用于生成对语音输入的视觉响应的系统和方法

提供了用于生成对语音输入的视觉响应的系统和方法。使用文本至图像生成模型来根据使用唇读分析解释的语音输入向用户呈现信息图像。在汽车场景中，可以响应于语音输入的感知语义上下文将功能信息视觉地传递给驾驶员。驾驶员可以指示或验证来自该系统感知和示出的生成图像的信息，以执行特定功能。