多设备场景下的信号处理与机器学习挑战

会议聚焦多设备组网环境中的机器学习与信号处理技术，重点探讨以下方向：

• 多设备音频数据集构建
• 自动语音识别(ASR)与关键词检测
• 设备仲裁机制（确定响应设备优先级）
• 语音增强：去混响、降噪、回声消除
• 声源分离与说话人定位追踪
• 隐私敏感的信号处理与机器学习方案

包容性语音技术

针对语音技术中的算法偏差问题，会议征集以下研究方向：

• 偏差分析与缓解算法（包括训练标准优化）
• 面向非标准用户群体的数据集构建与增强技术
• 非典型语音ASR（如ALS/中风/耳聋/唐氏综合征患者）
• 语音技术民主化与无障碍交互的伦理考量
• 公平性约束下的个性化技术应用

可信语音处理

会议关注超越准确率的综合可信指标，包括：

• 差分隐私与联邦学习在语音中的应用
• 语音处理伦理与模型可解释性
• 语音算法偏差量化与缓解
• 新型TSP数据集与基准框架
• 隐私攻击防护与可信机器学习

听力障碍语音清晰度预测

基于全球3.6亿听力障碍人群需求，会议聚焦：

• 统计语音建模与清晰度预测
• 能量/信息掩蔽噪声建模
• 基于听力图的个性化模型
• 低延迟场景下的实时预测
• Clarity预测挑战赛相关算法

提交说明

论文需通过Interspeech主会议门户提交，截止日期为2022年3月21日。多设备ML会议和包容性语音技术会议投稿需注明对应专题会议名称。

会议组织者包括某中心AI团队的应用科学家与高级经理，技术方向涵盖信号处理、机器学习公平性、隐私保护等核心领域。