讨论生成式语音增强如何在提升听感的同时避免凭空虚构输入中不存在的语音细节。
视觉证据如何帮助系统分开声音与身份
讨论口型、视线与语义等视觉证据如何帮助多人语音系统分离声音与身份。
质量分数应当反馈系统，而不是替系统作决定
讨论预测 MOS 和自动质量分数如何作为反馈信号，而不是替人和任务作最终决定。
没有人工 MOS 时，怎样构建可信的质量代理
比较无标签质量代理、预训练 ASR 与音频语言模型在缺少人工 MOS 时的评测边界。
空间前端开始用下游质量反推上游误差
讨论如何用下游质量反馈反推定位和波束形成误差，让空间前端更接近真实用户体验。
预测 MOS 能给出分数，却未必能替人做选择
讨论预测 MOS 是否真的能代表人类对语音系统的相对选择，并梳理远场评测的边界。
定位、端点与稀疏计算，必须在同一时钟下验证
讨论延迟估计、全双工轮次和稀疏计算如何在同一时间基准下验证真实实时性。
低延迟语音链路，需要同时处理回声、方向与身份
分析回声消除、方向增强与目标说话人提取在低延迟语音链路中的相互约束。
当增强开始理解谐波、房间与说话人时
讨论谐波、房间响应、目标身份与次级声学路径如何共同决定语音增强应保留的证据。
会议记录若记不住是谁说的，内容就不够可靠
从多人对话的转写、存储与检索出发，讨论如何保留“是谁说的”这一关键上下文。