认知型口语对话交互技术产业化:交大—思必驰独家许可、68项专利转让与车载“天琴”落地
据媒体报道(思必驰公司整体口径):俞凯团队的认知型人机对话和语音识别技术,通过上海交大—思必驰联合实验室持续转化给思必驰:2015年独家许可,采用“共有产权+期权回报”的0持股模式;2020年又转让68项专利。技术现已大规模用于车载、家居和办公场景。
决策感知整机集成X-LANCE / 上海交通大学思必驰智能人机交互联合实验室 / 思必驰科技股份有限公司计算机学院TRL 9
语音驱动数字人与多语种说话人像生成(AniTalker、VQTalker、DAE-Talker)
AniTalker(ACM MM 2024)能从单张肖像和一段音频生成生动多样的说话人脸视频;VQTalker(AAAI 2025)通过面部运动token化支持多语种。可为带屏机器人提供有表情的拟人化交互界面。
整机集成X-LANCE(刘韬 Tao Liu、杜晨鹏 Chenpeng Du、陈琪 Qi Chen 等),陈谐、俞凯指导;AniTalker 与 VQTalker 的作者含思必驰(AISpeech Ltd)人员,README 免责声明以思必驰公司名义发布;DAE-Talker 与微软亚洲研究院合作计算机学院TRL 4
SLAM-Omni 音色可控的端到端语音对话系统(开源)
端到端的语音到语音对话模型:用语义token建模语音,把音色交给声码器处理,从而实现零样本音色控制和中英多轮对话,单阶段训练4卡15小时即可完成。配套有URO-Bench评测基准。
决策整机集成X-LANCE 陈谐、俞凯课题组(第一作者 Wenxi Chen),与微软合作计算机学院TRL 5
F5-TTS 零样本语音合成与声音克隆系统(开源)
X-LANCE陈谐课题组开源的非自回归零样本语音合成模型,基于流匹配和Diffusion Transformer,论文发表于ACL 2025。只需几秒参考音频就能克隆音色,支持中英混说和语速控制;GitHub超1.5万星,HuggingFace模型累计下载超1800万次。
整机集成决策X-LANCE 陈谐课题组(第一作者 Yushen Chen,俞凯参与)计算机学院TRL 6
