来源 :巨人网络2025-09-04
近日，全球语音信号处理领域顶级学术会议Interspeech 2025在荷兰鹿特丹举行。巨人网络AI Lab的多模态语音技术研究成果成功入选会议，并获得Oral（口头报告）发表资格。团队受邀作现场技术演讲，展示巨人网络在多模态生成方向上的最新研究进展。
Interspeech由国际语音通信协会（ISCA）主办，是全球语音处理领域规模最大、影响力最强的综合性学术盛会之一，代表了该领域的最高学术水平，也是全球最新技术与理念交流的重要平台。
在此次演讲中，巨人网络AI Lab重点介绍了自主研发的多模态生成框架MM-MovieDubber——这是将“多模态理解+生成”范式深度融合并结合具体应用的技术方案。
该框架通过先对场景中复杂视觉信息准确理解，再基于整合后的多模态信息进行协同生成，构建起“理解-生成”的完整技术链路，为复杂场景下的多模态内容生成提供了全新技术思路。
巨人网络AI Lab在Interspeech 2025现场
介绍多模态生成领域最新研究进展
今年以来，巨人网络AI Lab多项人工智能研究成果入选了ACM MM、ICASSP、Interspeech等国际顶级学术会议，依托语义、语音、视频等多模态大模型的全矩阵布局与深厚积累，加速拓宽AI应用场景与商业化进程。同时，巨人网络在AI领域将持续推进开放合作与生态共建，共同突破技术壁垒、释放产业潜能。