La detección de vehículos de emergencia desempeña un papel crítico en garantizar respuestas oportunas y reducir accidentes en entornos urbanos modernos. Sin embargo, los métodos tradicionales que se basan únicamente en señales visuales enfrentan desafíos, especialmente en condiciones adversas. El objetivo de esta investigación es mejorar la detección de vehículos de emergencia aprovechando las sinergias entre la información acústica y visual. Al incorporar técnicas avanzadas de aprendizaje profundo para datos acústicos y visuales, nuestro objetivo es mejorar significativamente la precisión y los tiempos de respuesta.