ACM MM 2024 奖项揭晓：中国学者荣获最佳论文奖

会议议程紧凑而丰富，涵盖了多媒体技术领域的多个关键议题。会议举办了多场主题演讲、研讨会、技术教程等活动，深入探讨了机器学习与人工智能、多语言处理、云计算与虚拟化等前沿话题。

电影配音的目标是将剧本转换为在时间和情感上与给定电影剪辑相匹配的语音，同时保留简短参考音频的人声特色。配音语音必须表现出情感、节奏和环境的巨大变化，以实现真正的一致性，这使得配音成为一项复杂的任务。考虑到电影配音数据集规模有限（由于版权问题）和背景噪声的干扰，直接从电影配音数据集中学习限制了学习模型的发音质量。

为了解决这个问题，我们提出了一种两阶段的配音方法，让模型先学习发音知识，然后再进行电影配音练习。在第一阶段，我们引入了一种多任务方法，在大规模文本语音语料库上预训练音素编码器，以学习清晰自然的音素发音。在第二阶段，我们设计了一个韵律一致性学习模块，将情感表达与音素级别的配音韵律属性（音高和能量）联系起来。最后，我们设计了一个时长一致性推理模块，使配音时长与嘴唇运动保持一致。广泛的实验表明，我们的方法在两个主要基准上优于几种最先进的方法。

随着ACM Multimedia 2024的圆满结束，我们见证了多媒体技术领域的又一次飞跃。中国学者的卓越表现不仅展示了国内科研实力的快速提升，也为全球多媒体技术的发展贡献了宝贵的智慧。让我们期待未来，随着技术的不断进步，多媒体世界将变得更加丰富多彩。同时，我们也期待中国学者在下一次的国际学术舞台上再创辉煌！