发布日期：2024-12-21 20:52 点击次数：192
中国多媒体大会(ChinaMM 2020) 后生专题论坛拳交 telegram
“智能音频分析与生成”分论坛
2020年9月20日（日曜日）下昼
简介：
影视与音频尊府是东谈主类好意思丽发展历程的荒芜载体，具有额外的历史真理与文物价值。但是早期的多样影视与音频尊府由于历史、期间等原因，大部分濒临损毁境地，亟待使用跨学科笼统期间技能对这些荒芜历史音频文件进行数字化保存，以达到国际音响及音像档案归档圭表。“智能音频分析与生成”分论坛针对音频尊府建树存在的迂曲与挑战，围绕“模拟介质的非讲和读取技艺、参数索取与数字化技艺”、“音频建树限度额外应用环境下的杂音消除和原音建模与永诀问题”、“缺失音频建树与音质增强问题”、“历史音频还原的自动化主客不雅笼统评价”伸开研讨，搭建智能音频标的的优秀后生学者与广大学者和商榷生濒临面沟通、探讨学术商榷末端、碰撞学术想想的互动沟通平台。
目的与真理：
本论坛围绕一个具体的老电影胶片的音轨数据建树问题伸开，勤劳通过音频去噪、增强等智能化分析技能，以及智能化的音频生成算法的研讨，酿成针对电影胶片数据的获取、分析并建树的期间体系与圭表工艺经过。并在此基础体系的基础上，鼓动数字音频智能化继续限度的期间向上。
经办单元：中国传媒大学媒体会通与传播国度要点实际室、引辅音视频接济部要点实际室。
组织者个东谈主简介：
张勤，中国传媒大学讲明，博士生导师，引辅音视频接济部要点实际室主任，媒体会通与传播国度要点实际室学术委员会委员。主要商榷限度为引辅音视频计议期间。于1991年获取加拿大不列颠哥伦比亚大学（UBC）博士学位，1990—1995年任加拿大UBC图像继续实际室商榷工程师，1996—2000年任好意思国摩托罗拉公司DNS前端工程高等期间参谋人，开拓了第一代和第二代数字卫星电视和交互式有线电视汇聚分派别统，获取授权发明专利十余项。由于张勤讲明在国际责任期间所取得的迥殊商榷末端，被好意思国外侨局授予Outstanding Scholar and Research称呼。自2000年归国在中国传媒大学任教以来，一直竭力于于下一代数字播送电视期间中的音视频表面与系统商榷，先后主握与完成国度当然科学基金要点和面上名堂、国度科技攻关紧要名堂、国度新闻出书广电总局科技名堂、接济部科学期间要点名堂等20余项，取得多项系统性鼎新末端。在音频期间限度，自主研发了国际来源的96声谈DMS声场重建系统，在分级职业、语音限度、声场笼统与动态反馈四个主要期间层面谋害了杜比与DTS系统。
叶龙，中国传媒大学讲明，博士生导师。中国传媒大学数据科学与智能媒体学院副院长、引辅音视频接济部要点实际室副主任、中国通讯学会后生责任委员会委员、新一代东谈主工智能产业期间鼎新政策定约理事。2003年于山东大学获取电子信息学士学位，2006年与2012年于中国传媒大学分获通讯工程硕士与博士学位，主要商榷限度为智能媒体分析与狡计。主握并参与国度当然科学基金要点名堂2项、面上名堂3项、后生名堂1项，科技复古狡计1项。发表SCI、EI检索论文50余篇，苦求专利10余项。获取IFTC Best Paper Award与PCM Best Paper Finalist。2013年入选北京市后生英才狡计。
蔡娟娟，中国传媒大学引辅音视频接济部要点实际室副商榷员，新一代东谈主工智能产业期间鼎新政策定约智能传媒鼓动组文牍。主要商榷限度为智能媒体分析、音频信号继续。主握或参与国度要点研发狡计名堂（互助）1项、国度当然科学基金名堂5项、国度播送电视总局科技名堂3项、横向名堂10余项。发表SCI、EI检索论文20余篇，授权发明专利1项，软件著述权7项。获取PCM Best Paper Finalist。
邀请后生讲者名单及显露题目：
讲者
题目
单元
职务/职称
张晓雷
复杂声环境下基于有监督深度学习的音源永诀
西北工业大学
讲明
余晖正
澡堂 偷拍双耳效应酬较优耳信噪比和语言传输指数的影响
华南理工大学
讲明
凌震华
基于序列建模与表征解耦的话者调遣
中国科学期间大学
副讲明
王雨田
历史电影音频建树中的可控语音合成
中国传媒大学
副商榷员
显露题目、显露摘抄、个东谈主简介：
（1）显露题目：复杂声环境下基于有监督深度学习的音源永诀
显露摘抄：复杂声环境下的音源永诀是音频分析与继续的难点和前沿科知识题。字据音源是否是语音，不错分为语音永诀、音频场景分析两个基本问题。基于深度学习的语音永诀和音频场景分析不错从大宗历史数据和有标志数据中学习到有用的音源暗示，谋害了传统技艺在复杂声学环境下的性能瓶颈，是面前的商榷前沿。在这方面，本显露将以与谈话东谈主无关（speaker-independent）的多谈话东谈主语音永诀任务为主先容连年来语音永诀的发扬，以弱标志音频事件检测和永诀任务为主先容连年来音频场景分析的发扬。
讲者简介：张晓雷，西北工业大学讲明，博士生导师。清华大学博士、好意思国俄亥俄州立大学博士后。从事声信号与语音继续、机器学习、东谈主工智能的商榷责任。在Neural Networks、IEEE TPAMI、IEEE TASLP、IEEE TCYB、IEEE TSMCB等期刊、会议发表论文40余篇。合著译著1部。承担国度要点研发狡计、国度当然科学基金要点名堂等10余项。获取亚太信号与信息继续了得讲者称呼、UbiCom 2019国际会议最好论文奖、北京市科学期间一等奖等。入选国度级后生东谈主才狡计。商榷末端在国内三大电信运营商、金融、交通、保障等行业的20余家主流企业应用。当今/仍是担任Neural Networks、EURASIP Journal on Audio， Speech， and Music Processing等多个国际期刊的编委，担任中国狡计机学会、自动化学会等专委会的委员。
（2）显露题目：双耳效应酬较优耳信噪比和语言传输指数的影响
显露摘抄：语言传输指数（STI）是估计和评估谈话东谈主到凝听者语言信息传递蚀本的遑急目的。在室内声学环境下，声学传输特点（如室内混响）和信噪比组成影响STI的遑急要素。关于幽闲线性时不变系统的安靖声学环境，可基于房间脉冲反馈间（RIR）接狡计获取STI。如若斟酌凝听者对声场产生的阻挠，则需要斟酌双耳效应的影响，即借助于双耳房间脉冲反馈（BRIR）准确狡计STI。已有责任基本齐是个别声源标的和距离条目下的分析末端，而关于声源和凝听者在不同位置条目下（标的和距离）的STI空间分散轨则方面，未见到齐备的分析和报谈。因此，本文存眷双耳效应酬STI产生的影响。为简化问题，假设谈话东谈主老是对着凝听者（即不斟酌谈话东谈主语音放射指向性的影响），因此仅斟酌凝听者媾和话东谈主相对位置干系对双耳效应、进而对STI产生的影响。计议末端可为复杂声学环境和多谈话东谈主条目下商榷目口号言可懂度提供参考依据。
讲者简介：余晖正，华南理工大学物理与光电学院讲明，博士生导师。主要商榷限度包括多媒体声信号继续和空间听觉。已主握2项国度当然科学基金、3项广东省当然科学基金（其中1项要点名堂）；参与科技部要点研发狡计和广东省科信委科技狡计等紧要名堂多项。2011 年入选广东高校优秀后生鼎新东谈主才培养狡计；2012 年被评为“千百十东谈主才培养工程”校级培养对象；2014 年入选广东省优秀后生西宾培养狡计。2018年，行为主要成员参与的“空间听觉与诬捏听觉重放的要津期间及应用”获取接济部科技向上二等奖。在JASA、JAES、声学学报等国表里遑急期刊发表论文 50 余篇，已苦求和授权的发明专利 10 余项。曾在英国伦敦大学玛丽皇后学院数字音乐中心（C4DM）、香港科技大学、好意思国伦斯勒理工学院等单元作念访学学者。当今兼任中国声学学会产业促进委员会委员，中国电子学会声频分会委员，广州电辅音响行业协会民众委员会副主任委员等职。
（3）显露题目：基于序列建模与表征解耦的话者调遣
显露摘抄：话者调遣（Voice Conversion）指的是在不篡改文本本色的前提下修改源话者语音，使其个性特征接近见解话者。声学模子终了从源话者声学特征到见解话者声学特征的映射，是话者调遣的要津期间模块。传统逐帧调遣的声学模子存在对帧间万古计议性建模智力不及、无法有用诊治语速等问题。因此，咱们瞎想终明晰序列到序列的话者调遣神经汇聚模子，提倡了前向提防力机制，保证了模子关于声学特征长序列建模的安靖性，取得了优于传统逐帧建模技艺的调遣语音当然度与相同度。进一步，针对源-见解进修数据文本不同的非平行场景，咱们提倡了一种基于文本-话者表征解耦的话者调遣声学建模技艺，该技艺通过引入文本识别编码器与话者编码器、瞎想抵御学习蚀本函数，以及哄骗多东谈主海量配景数据，终明晰关于语音尘号华文本和话者表征的有用解耦与活泼组合，显耀普及了非平行数据情况下调遣语音的当然度和相同度，取得了与平行数据情况下相等的性能。
讲者简介：凌震华，中国科学期间大学信息学院副讲明，博士生导师。主要商榷限度包括语音尘号继续和当然语言继续。主握与参与多项国度当然科学基金、国度要点研发狡计、安徽省语音专项等科研名堂；已发表论文100 余篇，论文累计援用3600余次；获国度科技向上奖二等奖和IEEE信号继续学会最好后生作家论文奖。在Blizzard Challenge国际语音合成期间评测、Voice Conversion Challenge国际语音调遣期间评测等行为中屡次获取测试目的第又名。现为电气电子工程师学会（IEEE）高等会员、中国狡计机学会语音听觉与对话专科组委员、中国语言学会语音学分会学术委员会委员、宇宙东谈主机语音通讯学术会议常设机构委员会委员。2014-2018年任IEEE/ACM TASLP期刊副裁剪。
（4）显露题目：历史电影音频建树中的可控语音合成
显露摘抄：影视尊府是东谈主类好意思丽发展历程的荒芜载体，具有额外的历史真理与文物价值。但是早期的影视与音频尊府由于历史、期间等原因，存在多样挫伤，亟待使用期间技能对这些荒芜历史音频文件进行数字化保存。关于其中有万古辰损毁的音频片断，咱们提倡一种基于破裂隐空间编码的语音合成系统来合成需要的语音片断进行插补。该模子不错从参考音频中学习语音韵律，并将输入文本调遣为与参评语音具有相同韵律但与本色媾和话东谈主无关的语音。此外，咱们弃取破裂隐变量来暗示参评语音的多样声学特征，并使得音高，语速，音色等抽象语音特征自动的解耦到这些破裂隐变量上，从而不错通过篡改这些隐变量的值来便捷的限度合谚语音的韵律。实际末端讲明了咱们模子的有用性，同期其语音调遣的合收效果达到了当今最好的水平。
讲者简介：王雨田，中国传媒大学引辅音视频接济部要点实际室副商榷员，硕士生导师。主要商榷限度包括语音尘号继续和深度学习算法。主握并参与多项国度当然科学基金、国度科技复古狡计等科研名堂；已发表论文20 余篇，专利5项。曾在香港科技大学、好意思国伦斯勒理工学院等单元作念访学学者。
