智能人机交互与语音技术前沿研讨会暨CCF语音对话与听觉专委 “走进高校”系列活动—走进哈尔滨工程大学

智能人机交互与语音技术前沿研讨会暨CCF语音对话与听觉专委 “走进高

校”系列活动—走进哈尔滨工程大学

活动时间：2025年1月18日 09:00-16:00

主办单位：中国计算机学会

承办单位：CCF语音对话与听觉专业委员会

                 哈尔滨工程大学

                 黑龙江省计算机学会

协办单位：黑龙江省计算机学会计算机应用专委会

活动地址：黑龙江省哈尔滨市南岗区南通大街145号会议地点：哈尔滨工程大学21B教学楼4127会议室

活动介绍

“CCF走进高校”是CCF组织的系列演讲公益活动，中国计算机学会（CCF）致力于为计算机领域专业人士的职业发展提供服务。本次活动由CCF主办，由CCF语音对话与听觉专业委员会、哈尔滨工程大学、黑龙江省计算机学会承办。活动将于2025年1月18日09:00在哈尔滨工程大学举行，欢迎感兴趣的老师同学参加！

哈尔滨工程大学源自1953年创办的中国人民解放军军事工程学院（哈军工），陈赓大将为首任院长，毛泽东主席为学院颁发《训词》，1959年被中共中央确定为全国重点大学。1966年退出军队序列更名为哈尔滨工程学院。1970年在哈军工原址以海军工程系为主体组建哈尔滨船舶工程学院（哈船院），1978年被国务院确定为全国重点大学。1994年更名为哈尔滨工程大学（哈工程）。学校先后隶属于第六机械工业部、中国船舶工业总公司、国防科工委，现隶属于工业和信息化部。2007年，成为国防科工委、教育部、黑龙江省人民政府、海军共建高校。2019年，成为工业和信息化部、教育部、黑龙江省人民政府、哈尔滨市人民政府共建高校。学校是首批具有博士、硕士学位授予权单位，1996年被确定为首批“211工程”重点建设高校，2002年经教育部批准设立研究生院，2011年被确定为国家优势学科创新平台项目建设高校，2017年进入国家“双一流”建设行列。学校坚持“三海一核”（船舶工业、海军装备、海洋开发、核能应用）办学方略，为我国船舶工业、核工业、国防现代化和经济社会发展做出了重要贡献，已成为我国船海核领域高水平研究型大学。

学校面向国家重大战略需求，秉承“强优固基、交叉跃升”建设理念，着力打造与世界一流大学相适应的优势突出、特色鲜明、交叉融合、协同发展的学科体系。现有一级学科博士学位授权点15个，一级学科硕士学位授权点32个，博士专业学位类别3个，硕士专业学位类别11个，博士后科研流动站12个，博士后科研工作站3个。现有本科招生专业43个，国家级一流本科专业建设点33个，通过工程教育专业认证的专业18个。学校工程学、材料科学、计算机科学、化学、环境/生态学、物理学6个学科进入ESI前1%，其中工程学进入世界前1‰。

组织主席

关键，哈尔滨工程大学副教授，IEEE高级会员，中国计算机学会（CCF）语音对话与听觉专委会执行委员，黑龙江省人工智能学会听觉智能专委会委员，黑龙江省计算机学会智慧农业专委会副秘书长。担任ICASSP 2023分会主席，ICASSP 2024、ICASSP 2025领域主席。主要兴趣为人工智能技术驱动的信号处理基础理论及应用研究，研究内容包括：声学场景分析与事件检测、异音检测、跨模态音频内容理解与检索、声学信道建模、盲信号估计；遥感目标检测、多源遥感信息融合；稀疏表示方法及应用。在上述领域累计发表学术论文70余篇，连续多次在DCASE挑战赛获得佳绩，获DCASE 2024基于声学的交通检测赛道冠军及评委会奖，ICASSP 2025基于加速度传感器的人员检测挑战赛冠军等。

嘉宾介绍

凌震华，中国科学技术大学教授、博士生导师，信息科学技术学院副院长，语音及语言信息处理国家工程研究中心副主任，入选国家重大人才工程。主要从事语音信号处理、自然语言处理等方向的研究。主持多项国家自然科学基金、国家重点研发计划课题等科研项目，已发表论文200余篇，累计被引1万余次，获国家科技进步一等奖、IEEE信号处理学会最佳青年作者论文奖等奖项，多次在国际语音语言技术评测中获得第一名。曾任IEEE/ACM TASLP等期刊编委，现任IEEE信号处理学会语音与语言处理技术委员会委员、中国计算机学会语音听觉与对话专委会秘书长、全国人机语音通讯学术会议常设机构委员会委员。

报告题目：基于谱编码的高质量低码率神经网络音频编解码器

报告摘要：目前，神经网络音频编解码器（Neural Audio Codec）在音频通信、传输、压缩和语音大模型等领域有着重要的应用，相关研究成果层出不穷。然而，现阶段神经网络音频编解码器多以音频波形作为编码的对象，存在离散表征码率高、模型生成效率低和复杂度高等问题。将编码对象由波形域转换到谱域是解决该问题的方法之一。因此，本次报告将介绍团队在基于谱编码的神经网络音频编解码器的研究成果。首先详细介绍基于幅度相位谱平行编码和解码的音频编解码器APCodec，并简要介绍在APCodec基础上实现的逐阶段训练策略以及结合频带拓展技术的极低码率音频压缩方法。接下来介绍在修正的离散余弦变换（MDCT）谱域进行更高效率音频编解码的方法。最后，针对现阶段神经网络音频编解码器采用的残差向量量化器存在的码本坍塌、码本利用率低等问题，介绍码本内和码本间的量化优化方法。

吴志勇，清华大学深圳国际研究生院副研究员、博士生导师，中国计算机学会CCF语音对话与听觉专委副秘书长。研究兴趣为智能语音交互技术，曾获教育部、北京市、深圳市科技进步等奖励。获2023年度ICASSP语音信号质量增强挑战赛冠军、ICASSP Top 3%论文、中国多媒体大会最佳论文、INTERSPEECH最佳学生论文、CVPR Highlight论文等。获深圳市教学成果奖、清华大学良师益友荣誉称号、CCF语音对话与听觉专委卓越服务者奖励。

报告题目：面向和谐人机交互的语音及数字人精细可控生成

报告摘要：在和谐人机交互中，语音和数字人的精细可控生成至关重要。首先，语音包含丰富的言外之意，如音色、年龄、语速、音高、情感、身份等信息。对这些信息进行精细可控建模，是实现和谐人机交互的关键之一。其次，人机交互是多模态的，涉及音视觉同步，实现数字人的表情、口型、肢体动作等的精细可控，是实现多模态情感交互的核心。最后，这些技术都是实现表现力多模态大模型的关键，为实现和谐自然的多模态交互提供了新的解决方案。通过精细化建模和多模态融合，将推动数字人技术的进一步发展，为用户带来更加真实和自然的交互体验。

张超，清华大学电子工程系助理教授，伦敦大学学院脑科学部荣誉副教授，研究方向为多模态语音语言处理技术和计算认知神经科学。曾任剑桥大学副研究员、京东语音组联合负责人、Google高级研究科学家等职务。

报告题目：基于人工智能语音技术的身心状态筛查

报告摘要：语音既是人类语言最天然的载体，也是观察人类心理和身体健康的重要窗口。基于语音等声音信号，利用人工智能技术可以有效的监测用户的身体、精神和认知状况，并具有成本低廉和易于推广部署等优点。本次报告将集中介绍以语音作为数字生物标志物的相关工作，包括基于朗读语音的阻塞型睡眠呼吸暂停综合症检测，阿尔兹海默症检测以及青少年自杀行为风险检测等。还将简介基于贝叶斯深度学习方法的不确定性估计技术，可以有效提升模型预测的准确率和置信度，构造更经济可靠的智能健康监测技术。

刘瑞，内蒙古大学计算机学院（软件学院）、人工智能学院 教授/研究员/博士生导师，入选中国人工智能学会第十届中国科协青年人才托举工程项目。主持国自然面上、国自然青年、内蒙古自治区草原英才等多项国家/省部级项目。主要研究方向为多语种人机语音共情交互。曾获得教育部高等学校科学研究优秀成果奖（科学技术）—科学技术进步二等奖、IEEE-IALP2021最佳论文奖等。发起并组织了IEEE-ICASSP2025情感意图联合理解挑战赛。近年来担任IEEE-IALP2024会议程序委员会主席、NCMMSC2022/2023工业联络主席等。担任IEEE情感计算汇刊IEEE-TAFFC编委。团队主页：https://ttslr.github.io/

报告题目：人机语音交互中的情感理解与情感表达

报告摘要：在人机语音交互中，情感理解与情感表达对于实现共情AI至关重要。情感理解需要机器能够识别和理解用户语音中所表达的情感，包括情绪、语气、情感色彩等。通过情感理解，机器可以更好地理解用户的意图和情绪状态，从而提供更个性化、更贴近用户需求的服务。情感表达则要求机器能够以恰当的方式表达情感，使人机交互更加自然和有效。通过情感语音合成技术，机器可以模拟人类的语音特征和情感表达方式，使交互更加生动、丰富。本报告将围绕人机语音交互过程中的“情感理解难”和“共情表达弱”两个关键问题分享研究团队在真实复杂场景下的情感理解与人机对话背景下的表现力语音合成相关最新工作。

报名注册

本次会议不收取注册费，报名注册请扫描以下二维码