AV-HuBERT एक स्व-पर्यवेक्षित निरूपण अधिगम रूपरेखा है, जो विशेष रूप से श्रव्य-दृश्य भाषण संसाधन के लिए डिज़ाइन की गई है। इसने LRS3 श्रव्य-दृश्य भाषण बेंचमार्क परीक्षण में अत्याधुनिक होंठ पठन, स्वचालित भाषण पहचान (ASR) और श्रव्य-दृश्य भाषण पहचान परिणाम प्राप्त किए हैं। यह रूपरेखा बहु-विधा समूह भविष्यवाणी को मास्क करके श्रव्य-दृश्य भाषण निरूपण सीखती है और मज़बूत स्व-पर्यवेक्षित श्रव्य-दृश्य भाषण पहचान प्रदान करती है।