声纹识别、说话人日志与视听多说话人感知（WeSpeaker、端侧低比特声纹、MSDWILD）
WeSpeaker是WeNet开源社区的声纹工具包，钱彦旻团队（原X-LANCE、现AudioCC Lab）参与共建。钱彦旻团队另有一系列轻量化声纹模型和视听语音分离/识别工作；俞凯团队（与钱彦旻合作）发布了MSDWILD多模态说话人日志数据集和BER评测指标。这些技术可用于机器人识别操作员身份、在多人场景中区分说话人。
感知钱彦旻团队（现AudioCC Lab；钱彦旻2013–2022年在X-LANCE；Hongji Wang、Bei Liu、Zhengyang Chen 等，负责WeSpeaker共建与轻量化声纹）+ 俞凯团队（Tao Liu 等，负责MSDWILD、BER）计算机学院TRL 5
emotion2vec 通用语音情感表征与 EmoBox 多语种语音情感识别基准
emotion2vec（ACL 2024）是通用语音情感自监督表征模型；EmoBox（Interspeech 2024）在此基础上构建了覆盖32个数据集、14种语言的语音情感识别基准，可供机器人感知用户情绪。
感知X-LANCE 陈谐课题组（第一作者 Ziyang Ma），与阿里巴巴、谢菲尔德大学等合作计算机学院TRL 5