丰富音频与环境声感知（音频描述SLAM-AAC/DRCap、声音事件检测、在线VAD、空间音频理解BAT、DCASE冠军系统）

吴梦玥从 ICASSP 2019 的《Audio Caption: Listen and Tell》开始建立音频描述方向，之后发表了时长鲁棒的弱监督声音事件检测（TASLP 2021）、文本-音频 grounding（ICASSP 2021、IEEE TMM 2024）、野外轻量级在线 VAD（Interspeech 2021）和跨失配模态视听事件检测（ICASSP 2022）等工作。陈谐组在 X-LANCE/SLAM-LLM 中开源了 SLAM-AAC 和零样本音频描述 DRCap（均为 ICASSP 2025）。BAT（ICML 2024）是交大陈谐组与 UT Austin David Harwath 组的合作，让大模型对双耳空间音频做声源检测、方位（DoA）和距离推理问答。竞赛方面：DCASE 2022 Task 6a 自动音频描述和 Task 6b 基于语言的音频检索团队排名均为第一（徐薛楠、谢泽宇、吴梦玥、俞凯）；DCASE 2024 中，上海交大（钱彦旻、陈谐等）联合清华大学、华北电力大学、华控智加获 Task 1 低复杂度声学场景分类和 Task 2 工业设备异常声音检测两项冠军，陈谐组牵头的 Chen_SJTU 队获 Task 6 自动音频描述第三。衡阳的巡检机器人、传感器和智能衡器企业可以联合开发设备异响检测、报警声识别和声源定位转头等声学感知模块。（来源：https://www.cs.sjtu.edu.cn/jiaoshiml/wumengyue.html；https://myw19.github.io/；https://x-lance.sjtu.edu.cn/js/papers-data.js；https://x-lance.sjtu.edu.cn/js/members-data.js；https://github.com/X-LANCE/SLAM-LLM；https://arxiv.org/abs/2402.01591；https://dcase.community/challenge2022/task-automatic-audio-captioning-results；https://dcase.community/challenge2022/task-language-based-audio-retrieval-results；https://dcase.community/challenge2024/task-data-efficient-low-complexity-acoustic-scene-classification-results；https://dcase.community/challenge2024/task-first-shot-unsupervised-anomalous-sound-detection-for-machine-condition-monitoring-results；https://dcase.community/challenge2024/task-automated-audio-captioning-results；https://audiocc.sjtu.edu.cn/zh/activities）

DCASE 2022 Task 6a、Task 6b 团队排名第一；DCASE 2024 Task 1、Task 2 团队排名第一（与清华等联合），Task 6 团队排名第三；BAT 双耳 DoA 平均角误差 17.94°