USTC-Speech 艾杨 特任副研究员
报告生成时间：2026年8月21日
个人主页：艾杨
所属团队：中国科学技术大学电子工程与信息科学系 / 语音及语言信息处理国家工程研究中心
一、学者基本信息
| 项目 | 内容 |
|---|---|
| 姓名 | 艾杨（Yang Ai） |
| 现任职称 | 特任副研究员（2024年1月至今；此前为博士后研究员） |
| 所属单位 | 中国科学技术大学信息科学技术学院 电子工程与信息科学系 |
| 所属实验室 | 语音及语言信息处理国家工程研究中心（NERC-SLIP），凌震华教授智能语音信息处理团队成员 |
| 电子邮箱 | yangai@ustc.edu.cn |
| 学位 | 博士（信号与信息处理，中国科学技术大学，2021年） |
| 研究方向 | 语音合成、语音相位建模、神经声码器与音频编解码、语音增强、语音分离、音视频语音增强、语音质量评估（MOS 预测） |
| 学术产出 | 在 IEEE TASLP 等语音领域顶刊及 ICASSP、Interspeech 等顶会共发表论文60余篇（DBLP 收录记录110余条） |
| 代表成果 | NSPP（Neural Speech Phase Prediction，ICASSP 2023）、APCodec 系列神经音频编解码器、分层幅度-相位谱神经声码器 |
| 荣誉 | 2024年度"小米青年学者"；博士研究生国家奖学金（2020）；中国科学技术大学优秀毕业生（2021） |
二、教育背景与职业履历
艾杨于2012年9月至2016年6月在厦门大学通信工程专业学习，获学士学位；2016年9月考入中国科学技术大学信息与通信工程专业攻读博士学位，导师为凌震华教授（语音合成与语音信号处理领域知名学者，现任语音及语言信息处理国家工程研究中心副主任），2021年6月获博士学位。博士期间，他于2020年2月至2020年8月赴日本国立情报学研究所（NII）进行联合培养，师从国际语音合成权威山崎至（Junichi Yamagishi）教授，这段经历为其后续与国际同行在声码器、语音质量增强方向的合作奠定了基础。
其职业履历有一段值得注意的经历：2021年7月至2022年3月，他在国防科技大学（合肥）担任讲师；2022年4月回到中国科学技术大学从事博士后研究（合作导师凌震华）；2024年1月起出任中国科学技术大学特任副研究员。从其主持与参与的科研项目看，他已独立主持国家自然科学基金青年项目"面向语音生成的抗卷绕相位谱预测"（2024—2026）、安徽省自然科学基金青年项目"结合相位预测的高质量高效率辅助式语音增强方法研究"（2023—2025）及中科大青年创新基金"高效率高鲁棒的神经网络声码器研究"（2023—2024），并作为核心成员（排名2/34）参与科技部攻关项目子课题"智能语音移植模型和算法工具包研发"、排名2/35 参与中科院战略性先导科技专项（C类）课题"多语种语音合成关键技术"、排名3/31 参与国家重点研发计划课题"面向冬奥场景的多语种语音处理关键技术"等重大项目，深度嵌入中科大语音团队的国家重大任务体系。
三、学生培养情况
艾杨作为特任副研究员尚处独立带队的早期阶段，本人独立指导的学生信息有限；但其作为凌震华教授课题组核心成员与博后，深度参与指导课题组研究生（合作发表、共同指导），以下列出与其高频合著的研究生（均属凌震华教授课题组、艾杨参与指导/密切合作，特此注明）：
1. 杜荟鹏（Hui-Peng Du，博士生，合作指导/高频合作）
DBLP 记录与其合著论文31篇，是其在语音合成方向（环境感知 TTS、对话语音合成、LLM 零样本 TTS 噪声鲁棒性、DAIEN-TTS 等）合作最紧密的博士生，参与 IDEA-TTS（ICASSP 2025）等工作。
2. 鲁叶欣（Ye-Xin Lu，博士生，合作指导/高频合作）
DBLP 记录与其合著论文30篇，以第一作者发表环境感知零样本语音合成 IDEA-TTS（ICASSP 2025，艾杨为共同作者）等，主攻语音合成中的解耦表征学习。
3. 郑瑞晨（Rui-Chen Zheng，博士生，合作指导/高频合作）
DBLP 记录与其合著论文22篇，合作发表神经语音编解码器（P2PSynCodec、VoCodec，Interspeech 2026，署名单位含清华大学）、MDCTCodec 等低码率音频编码方向论文。
4. 江晓航（Xiao-Hang Jiang，博士生，合作指导/高频合作）
DBLP 记录与其合著论文12篇，第一作者身份发表 P2PSynCodec、VoCodec 等超低码率流式神经语音编解码器论文（Interspeech 2026，与吴及、戴礼荣、凌震华联合署名）。
5. 盛峥彦（Zhengyan Sheng，研究生，合作指导）
参与环境感知语音合成方向论文（IDEA-TTS 相关工作，ICASSP 2025 合作者）。
6. 梅康迪（研究生，合作指导）
以第一作者发表对话语音合成论文 Considering Temporal Connection between Turns for Conversational Speech Synthesis（ICASSP 2024，艾杨为共同作者）。
7. 李恒宇（研究生，合作指导）
参与对话语音合成（ICASSP 2024）等工作。
8. 王林风 / 林澜（Lanfen Lin，医疗AI方向合作研究者，跨学科合作）
与其合作发表肺癌复发预测、CT 数据医学影像 AI 论文（SAMA、Biologically Interpretable Model 等），为跨学科医疗 AI 方向的合作者（隶属关系为合作机构，非其学生）。
注：上述1—7为凌震华课题组研究生，艾杨以合作发表形式参与指导；其本人独立招收的研究生信息（2024年获特任副研究员资格后）公开渠道尚少，待更新。
四、学术合作网络
4.1 实验室内合作（NERC-SLIP / 中科大）
- 凌震华：博士导师与长期合作者，DBLP 记录合著论文85篇（另有 Zhenhua Ling 变体7篇），是其学术网络绝对核心。两人合作的 NSPP（ICASSP 2023，神经语音相位预测）为语音相位建模方向的代表性工作，后续衍生出低延迟相位预测、阶段性先验感知相位预测等系列论文。
- 戴礼荣：合著论文5篇以上（语音带宽扩展、神经编解码器等方向），作为实验室负责人提供重大项目支撑。
- 张结：合著论文5篇，同实验室青年骨干，在语音增强、声码器等方向交叉合作，体现实验室内部新生代学者之间的协作网络。
- 吴及、高建清：在神经语音编解码器方向（Interspeech 2026 系列）存在联合署名合作。
- 郭武：合著4篇（早期声码器方向）。
- 中科大心理学系：参与语音工程中心与心理学系的跨学科合作课题（2023年启动会列为课题成员），相关成果如 Refining Self-supervised Learnt Speech Representation using Brain Activations（利用脑激活信号精炼语音自监督表征）。
4.2 跨机构学术合作
- 日本国立情报学研究所（NII）：联合培养导师山崎至（Junichi Yamagishi）教授，合著论文6篇（去混响去噪分层神经声码器 SLT 2021、混响建模神经声码器 Interspeech 2020 等）；NII 的 Xin Wang、Hao-Yu Li（李浩宇）亦为高频合作者（各合著4篇），形成稳定的"中科大—NII"语音生成合作通道。
- 日本立命馆大学：与 Yen-Wei Chen（陈延伟）教授团队合作，合著7篇，方向为肺癌复发预测、CT 报告生成等医疗 AI（与浙江大学附属医院研究者联合署名），是其跨学科医学影像合作网络。
- 清华大学：Interspeech 2026 低码率语音编解码器论文署名单位包含清华大学（VoCodec 等）。
- 字节跳动等企业研究机构：与 Qian Chen 等企业研究者存在合著（欺骗语音检测、说话人表征学习方向论文），具体机构归属以论文署名为准。
- Blizzard Challenge 国际评测：参与 USTC 系统团队（2019），其所在团队在2018、2019年两届 Blizzard Challenge（国际语音合成评测）中获得最优系统成绩。
4.3 学术共同体
担任 IEEE/ACM TASLP 期刊审稿人（2020年起），长期服务 ICASSP、Interspeech、ISCSLP、APSIPA 等语音领域会议评审；NSPP、APCodec 等工作开源代码与 Demo 页面（github.com/yangai520），在国际语音相位建模与神经编解码器子社区具有较高引用可见度。
五、业界合作关系深度分析
5.1 已确认的企业合作与资助
- 小米：入选2024年度"小米青年学者"（小米公益基金会设立的青年人才计划），获得企业界人才资助，是其目前最明确的业界纽带。
- 科大讯飞：深度参与中科大与科大讯飞联合承担的国家重大项目——科技部攻关项目子课题"智能语音移植模型和算法工具包研发"（排名2/34）、中科院先导 C 类课题"多语种语音合成关键技术"（排名2/35）、国家重点研发计划"面向冬奥场景的多语种语音处理关键技术"（排名3/31）。这些项目均为 NERC-SLIP 与讯飞共建体制下的产业导向重大任务；科大讯飞研究院的陈丽萍（Liping Chen）与其合著论文4篇（含 ICASSP 2025 韵律自监督学习论文），是直接的产业界合作研究者。
- 参与国家级语音产业化任务：冬奥多语种语音处理等场景的技术成果直接服务于大型活动与企业系统。
5.2 合作特征分析
艾杨的业界联系呈现"国家重大任务+青年人才计划"双通道：一方面，作为凌震华团队的核心执行者，其科研成果（多语种语音合成、神经声码器、语音编解码器）通过 NERC-SLIP 与科大讯飞的共建体制直接进入产业化管道，其在攻关项目中排名第二的参与度表明其已是团队重大横向任务的实际技术骨干；另一方面，"小米青年学者"标志着其个人开始获得独立的企业界认可。其研究方向中神经音频编解码器（APCodec、MDCTCodec）与实时语音通信、大模型语音 token 化（语音离散化）高度相关，与大模型厂商的语音基础模型需求契合，具备向企业语音大模型方向进一步拓展合作的潜力。
六、重要奖项与学术兼职
奖项： - 2024年度"小米青年学者"。 - 博士研究生国家奖学金（2020）。 - 中国科学技术大学优秀毕业生（2021）。 - 所在团队获 Blizzard Challenge 国际语音合成评测最优系统（2018、2019两届）。
学术兼职： - IEEE/ACM Transactions on Audio, Speech and Language Processing（TASLP）审稿人（2020年起）。 - ICASSP、Interspeech 等语音领域顶会审稿人（据其研究方向与团队惯例参与评审，具体年度名单以会议官方为准）。 - 主持国家自然科学基金青年项目、安徽省自然科学基金青年项目、中国科学技术大学青年创新基金各一项。
七、Connection圈层总结
艾杨是中科大语音实验室自主培养（本硕博贯通培养链：厦门大学本科—中科大博士）并向外辐射的青年学者样本。其网络上游为凌震华（博士导师，合著85篇）与山崎至（NII 联合培养导师）构成的"中科大—NII"语音生成双师承；中游为实验室内部的协同网络——与戴礼荣、张结、吴及及科大讯飞陈丽萍等的合作，使其嵌入"凌震华团队—NERC-SLIP—科大讯飞"的国家级重大任务体系（冬奥多语种、智能语音移植、先导 C 类项目均排名前三）；下游为正在形成的学生梯队（以杜荟鹏、鲁叶欣、郑瑞晨、江晓航为代表的合作指导研究生）。其学术标签极为鲜明：以 NSPP 为旗帜的语音相位建模方向，以及 APCodec 系列为代表的并行幅度-相位神经编解码器方向，均属语音生成与低码率编码交叉的前沿。跨界合作（中科大心理学系的脑激活语音表征、立命馆大学的医疗影像 AI）显示出超出传统语音圈的多模态拓展能力。业界层面，小米青年学者与讯飞产业化管道构成其"个人品牌+体制通道"的双重支撑。总体而言，艾杨是典型的"单点技术深耕型"青年学者：以相位建模这一细分技术为锚点，沿语音合成—语音增强—音频编解码—语音大模型 token 化的技术主线快速扩张，其圈层价值在于连接了学术前沿（NII、Blizzard Challenge 社区）与中国语音产业核心（讯飞、小米）。