活动回顾 | 大模型时代的语音处理研究研讨会暨CCF语音对话与听觉专委 “走进高校”系列活动—走进香港中文大学（深圳）

12月6日，由中国计算机学会（CCF）主办，CCF语音对话与听觉专委会、香港中文大学（深圳）、深圳市大数据研究院及深圳市跨模态认知计算重点实验室承办的 “CCF走进高校”公益活动在香港中文大学（深圳）顺利举行。

活动吸引了100多名学生、教师及行业专家线下参与，线上直播观看人数超过6,100人次。与会者围绕人工智能、语音识别与跨模态计算等前沿科技进行了深入交流与讨论。此次活动不仅为学生和学者提供了宝贵的学术交流平台，也促进了学术界与产业界的合作与联系。通过各方的互动与分享，参会者对相关领域的最新发展有了更加深入的了解。

本次活动由CCF语音对话与听觉专业委员会主任、上海交通大学的俞凯教授，以及新加坡工程院院士、香港中文大学（深圳）数据科学学院执行院长李海洲教授（IEEE Fellow）开场致辞。研讨会邀请了党建武教授、颜永红教授、王文武教授、Chng Eng Siong教授、Junichi Yamagishi教授、Jinyu Li 博士（IEEE Fellow）、吴志勇教授、武执政教授等学者发表精彩报告。李明教授、杜俊教授、陈谐教授等专家就当前热点话题作了引导发言，并邀请与会专家展开了专题讨论。此次活动由香港中文大学（深圳）数据科学学院的中村哲（Satoshi Nakamura）教授（IEEE Fellow）教授和武执政教授主持。

扫码查看活动相册

开幕致辞

CCF语音对话与听觉专业委员会主任、上海交通大学俞凯教授通过线上方式发表开幕致辞。他对各位专家学者的到来表示热烈而诚挚的欢迎，并对“CCF走进高校”活动的背景及意义进行了详细介绍。俞教授表示，期待与各位专家学者在专业领域开展深入的学习与交流，共同探讨前沿问题。

CCF语音对话与听觉专业委员会主任、上海交通大学俞凯教授分享现场

随后，新加坡工程院院士、港中大（深圳）数据科学学院执行院长李海洲教授（IEEE Fellow）通过线上致辞，热烈欢迎各位专家学者。他表示，港中大（深圳）今年迎来十周年校庆，学校在国际学术领域取得显著成绩，致力于培养科研人才与推动前沿研究发展。他感谢参与本次活动的嘉宾、老师和同学们，期望通过此次活动促进学术交流与合作。同时，李教授也感谢了CCF对港中大（深圳）的支持，并表示学校将积极承办与参与更多专委会活动，推动学术进步与创新发展。

港中大（深圳）数据科学学院执行院长李海洲教授分享现场

港中大（深圳）数据科学学院的武执政教授在会议中向与会嘉宾详细介绍了港中大（深圳）的办学理念。他强调，学校秉承国际化办学方针，全面实施全英授课，旨在培养具有全球视野和创新思维的高素质人才。武教授还介绍了学校的书院制与学院制，这种独特的办学模式为学生提供了更为多元和全面的学习体验。此外，武教授还指出，港中大（深圳）高度重视国际交流与合作，积极与全球顶尖高校和科研机构建立合作关系，推动跨国学术合作与人才流动。

港中大（深圳）数据科学学院武执政教授分享现场

报告环节

本次活动邀请了众多在语音技术领域颇具影响力的专家，带来了一系列精彩且富有深度的报告，为语音技术研究领域注入了新的活力与灵感。

颜永红教授在《人工智能时代的语言声学》报告中，对语言声学学科的历史、研究内容予以综述，借由对元音和辅音研究的百年回顾，展现基础成果的应用路径，并分享团队最新成果，助于理解该学科在人工智能时代的走向。

颜永红教授

王文武教授在《Language Queried Audio Source Separation》报告中聚焦语言查询音频源分离范式，详细说明问题设定、动机以及 AudioSep 和 FlowSep 算法，介绍数据集、性能指标与国际挑战任务组织，为音频处理技术创新提供思路。

王文武教授

Junichi Yamagishi 教授的《Automatic Fact Verification across Languages and Modality》报告深入探讨基于证据的事实验证模型，涵盖多语言扩展、多模态模型，比较监督训练与大语言模型上下文学习模型，为相关研究提供全面参考。

Junichi Yamagishi 教授

Jinyu Li 博士（IEEE Fellow）在《CTC guided modality matching for fast and accurate streaming speech translation》报告中提出 CTC 引导模态匹配法，利用机器翻译文本数据增强流式语音翻译模型，提升翻译准确性与解码速度，推动语音翻译技术进步。

Jinyu Li 博士（IEEE Fellow）

吴志勇教授的报告《基于大模型的语音细粒度理解与精细可控生成》针对语音信息构建大模型的挑战，探讨基于大语言模型的语音细粒度理解与生成方法，为多模态交互的语音大模型构建指明方向。

吴志勇教授

党建武教授的《Spoken language information processing based on the speech chain》报告着重阐述将生理和神经知识应用于口语处理，涉及障碍语音处理、语音识别及脑电图语音理解神经机制研究等工作，开辟口语信息处理新径。

党建武教授

武执政教授在《语音大模型的研究进展》报告中，强调语音中的副语言和环境信息，分享语音交互大模型在语音理解与生成方面的最新进展，助力语音大模型在情感感知与多模态交互领域的发展。

武执政教授

Chng Eng Siong 教授的《Towards LLM - based ASR – experiences from NTU’s Speech Lab》聚焦语音模态整合进大语言模型，介绍南大语音实验室在应用大语言模型进行传统 ASR 模型纠错、应对噪声场景及生成式语音增强等方面成果，为相关研究提供借鉴。