12月25日上午消息，日前，计算机国际声学、语音与信号处理会议ICASSP 2025公布论文录用名单，由巨人网络AI实验室与浙江大学合作的语音研究成果入选ICASSP 2025。该成果提出了一种精准提升音频语言模型性能的创新方法，在实验结果中达到该领域最优效果。

  据悉，国际声学、语音与信号处理会议 （International Conference on Acoustics， Speech and Signal Processing， 简称ICASSP） 是全世界最大、最全面的信号处理及其应用方面的顶级会议。作为国际电子技术与信息科学工程师协会 （Institute of Electrical and Electronics Engineers，简称IEEE） 的重要会议之一，在国际上享有盛誉并具有广泛的学术影响力。

  巨人网络AI实验室与浙江大学研究团队在合作论文《Multiple Consistency-guided Test-Time Adaptation for Contrastive Audio-Language Models with Unlabeled Audio》中，提出了一种无需标注标签的多重引导提示学习方法，提升了音频分类零样本学习上的效果，为后续在视频配音（Video-to-Audio，V2A）任务上提供精准支持。

  根据实验结果，与最先进的模型相比，该方法平均准确率相对提升了4.41%，在12个任务的跨领域测试中，平均准确率也相对提升了5.33%，无论是针对域内数据的效果还是跨域的稳定性，都达到了该领域的SOTA（State-of-the-Art，最优的）效果。（罗宁）