第32屆ACM國際多媒體會議（ACM Multimedia）于10月28日至11月1日在澳大利亞墨爾本舉行。我校智能信息處理團隊的論文《From Speaker to Dubber: Movie Dubbing with Prosody and Duration Consistency Learning》被大會錄用并獲最佳論文獎。論文第一作者為通信工程學(xué)院2024級博士研究生張哲東，主要指導(dǎo)老師為我校顏成鋼教授和中國科學(xué)院計算所李亮研究員。該項研究由杭州電子科技大學(xué)、中國科學(xué)院計算所、杭州電子科技大學(xué)麗水研究院、澳大利亞阿德萊德大學(xué)和麥考瑞大學(xué)合作完成。

該項研究聚焦于電影配音任務(wù)（Movie Dubbing），提出了一種兩階段的配音方法，先在大規(guī)模文本-語音語料庫上預(yù)訓(xùn)練音素編碼器從而學(xué)習清晰自然的發(fā)音特征，再通過韻律一致性學(xué)習模塊和發(fā)音持續(xù)時間一致性推理模塊，將角色情緒特征與音素級的韻律屬性結(jié)合起來，并確保配音的視聽一致性。這一方法在基準和泛化實驗中均展現(xiàn)出優(yōu)異的性能。

ACM Multimedia是多媒體領(lǐng)域的國際頂級會議、CCF 推薦的A類會議。本次大會共收到4385篇論文投稿，其中1149篇論文被會議錄用，174篇論文被邀請作口頭報告、比例僅為3.97%，競爭非常激烈。作為大會唯一最佳論文并被邀請作口頭報告，張哲東的研究在這一高水平平臺上脫穎而出，展示了我校在多媒體研究領(lǐng)域的強大科研實力和創(chuàng)新能力。