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
流式关键词唤醒与噪声鲁棒语音前端（KWStreamingSearch开源实现TDT-KWS / CDC-KWS / MFA-KWS；另有NTC-KWS、关键词引导目标说话人提取等论文）
俞凯团队面向资源受限的边缘设备开发的流式关键词检测（唤醒）算法，同时覆盖Transducer和CTC两条技术路线；配套端侧多通道语音增强和关键词引导的目标说话人提取。
感知X-LANCE 俞凯课题组（Yu Xi、Haoyu Li、Xiaoyu Gu 等）计算机学院TRL 5
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
SLAM-LLM 语音/音频大模型框架与大模型语音识别（SLAM-ASR、上下文ASR、中英混说、语音理解）
X-LANCE开源的语音、语言、音频、音乐多模态大模型训练与推理框架，内含SLAM-ASR、MaLa-ASR等大模型语音识别方案，以及中英混说识别和语音大模型理解等配套技术。
感知决策X-LANCE 陈谐课题组（SLAM-LLM、SLAM-ASR、MaLa-ASR、CTC辅助上下文ASR；Ziyang Ma、Guanrou Yang 等）；俞凯课题组（大模型中英混说识别、TASU、MOSA、语音大模型理解综述；Jing Peng、Yu Xi 等）计算机学院TRL 5