第二届 MLC-SLM Workshop在悉尼圆满收官

作者：数据堂发布时间：2026-10-13

2026年10月2日，由西北工业大学ASLP实验室、南京大学、南洋理工大学、华为和数据堂联合举办的第二届多语种对话语音语言模型研讨会（2nd MLC-SLM Workshop）在澳大利亚悉尼国际会议中心（ICC Sydney）成功举办。作为 Interspeech 2026 的卫星研讨会，本届活动延续首届的交流与探索，汇聚学术界、产业界研究者及挑战赛参赛团队，共同讨论多语言真实对话中的语音识别、理解与生成。

5 场主旨报告、5 场参赛团队口头报告，加上赛事总结、颁奖、特别报告与海报交流，一天的议程既呈现了本届挑战赛的成果，也带来了语音大模型研究的新问题与新思路。

悉尼之约多语对话再聚首

上午9点，西北工业大学谢磊教授宣布研讨会开幕。从带说话人信息的对话转写，到结合声学与语义的对话理解，再到语音生成，与会者围绕多语言对话语音展开交流。

研讨会开幕现场

挑战回响从赛场到领奖台

ASLP 实验室博士生穆秉甡作本届挑战赛总结报告，介绍赛事背景、数据集、任务设置、基线系统与最终结果，并梳理参赛系统的主要技术路线。

穆秉甡介绍本届挑战赛

本届挑战赛共有 91 支队伍参与，产生 704 条有效榜单结果，收到 14 份技术报告。数据覆盖 14 种语言、21 种语言及口音变体，在首届基础上进一步拓展了语言与口音范围，为真实多语言对话场景提供了更丰富的评测条件。

本届挑战赛参与及提交情况

两个赛道分别聚焦多语言对话说话人日志与识别（赛道1），以及多语言对话语音理解（赛道2）。赛道1要求系统回答“谁在何时说了什么”，赛道2进一步考察模型对完整对话中声学与语义信息的理解。参赛团队围绕端到端建模、级联系统、数据质量优化、合成监督及对话证据组织等方向展开探索。

在上午两场主旨报告后，研讨会举行竞赛颁奖仪式，表彰两个赛道的优胜团队。

赛道1前三名：MOSS Transcribe Diarize、trasr、Cake By VPBank。竞赛组织者、西北工业大学谢磊教授为获奖团队颁奖。

赛道1获奖团队颁奖现场

赛道2前三名：hfchen、ClaudeAKE、xdynamics。竞赛数据提供方数据堂（Nexdata）首席数据官丰强泽为获奖团队颁奖。

赛道2获奖团队颁奖现场

祝贺各支获奖团队，也感谢所有参赛队伍在系统开发、结果提交与技术报告整理中的投入。各团队分享的方法和经验，为后续研究留下了可供交流与借鉴的实践。

前沿之声聚焦语音大模型新问题

本届研讨会邀请 5 位嘉宾作主旨报告。报告从长语音建模与对话理解延伸到语音生成、模型评测及人类对齐，为当天的技术讨论带来不同视角。

微软合伙人级应用科学经理李锦宇带来题为《Long-form speech modeling: Beyond transcription》的报告，聚焦长语音建模与“超越转写”的研究问题，与挑战赛从语音识别走向完整对话理解的方向相呼应。

李锦宇主旨报告现场

中国科学院声学研究所颜永红教授通过线上方式带来题为《In the LLM Era: Do speech researchers still have compelling R&D Topics?》的报告，讨论大模型快速发展背景下，语音领域仍值得持续投入的研究问题。

颜永红线上主旨报告

上海交通大学俞凯教授带来题为《Continuous Autoregressive Foundation Model for Speech Generation》的报告，将讨论拓展到语音生成。该场报告由南京大学王帅主持。

俞凯主旨报告现场

台湾大学李宏毅教授带来题为《Beyond the Benchmark Score: Lessons from Evaluating Models》的报告，把关注点从榜单分数转向模型评测中的经验与问题。

李宏毅主旨报告现场

日本庆应义塾大学 Shinnosuke Takamichi 教授带来题为《Aligning foundation models with humans》的报告，围绕基础模型与人类对齐展开分享。李宏毅与 Shinnosuke Takamichi 的报告均由南京大学薛浏蒙主持。

Shinnosuke Takamichi 主旨报告现场

解题现场分享榜单背后的方法

5 场参赛团队口头报告进一步展开了榜单背后的技术细节：同样的挑战任务，各团队如何选择建模路线、组织数据，并设计训练与推理流程？

陈汉夫代表两个任务的第一名队伍，带来题为《The MOSS Systems for the MLC-SLM Challenge 2026》的报告。报告介绍了带说话人归属和时间戳的对话转写，以及直接从音频出发的对话问答方案。

陈汉夫分享 MOSS 系统方案

韩智宸代表任务一第二名队伍，带来题为《Transsion’s Speaker-Attributed Multilingual ASR System for the MLC-SLM 2026 Challenge》的报告，介绍结合说话人日志、多语言语音识别和时间对齐的级联系统。

韩智宸分享多语言 ASR 系统方案

Takanori Ashihara 代表任务一第四名队伍，带来题为《HINTT Submission to the 2nd MLC-SLM Challenge: Comparing Cascaded and Unified Approaches to Diarization and ASR》的报告，比较级联与统一建模两条技术路线。