Shuai Wang

Shuai Wang

Nanjing University

王帅博士现任南京大学智能科学与技术学院准聘副教授。2014 年在谢磊教授指导下于西北工业大学获得学士学位，2020 年在俞凯教授与钱彦旻教授指导下于上海交通大学获得博士学位。

加入南京大学之前，他曾在香港中文大学（深圳）李海洲教授团队任研究科学家（目前仍兼任），并在腾讯光子工作室担任高级研究科学家，负责面向游戏场景的语音技术研发与团队管理。研究方向包括说话人建模、目标说话人处理、语音合成、语音转换与音乐生成等，在语音领域顶级会议和期刊发表论文 60 余篇。

研究方向与招生课题

欢迎对以下研究方向感兴趣的同学联系申请。当前开放 2027 年秋季研究生（博士/硕士）名额，同时长期招收科研助理（RA）。

  • 说话人建模（Speaker Modeling）
  • 目标说话人处理（Target Speaker Processing）
  • 语音、音频与音乐理解（Speech, Audio, and Music Understanding）
  • 语音、音频与音乐生成（Speech, Audio, and Music Generation）
  • 类脑语音处理（Brain-inspired speech processing）
  • 端到端语音大模型（End-to-End Speech Large Language Models）

招生信息

2027 级硕士/博士研究生招生

招生方向

  • 说话人建模 / Speaker Modeling
  • 目标说话人处理 / Target Speaker Processing
  • 语音、音频、音乐理解 / Speech, Audio, and Music Understanding
  • 语音、音频、音乐生成 / Speech, Audio, and Music Generation
  • 类脑语音处理 / Brain-inspired Speech Processing
  • 端到端语音大模型 / End-to-End Speech Large Language Models

申请要求

  • 主动性强，有较强的自我驱动力
  • 具备扎实的数学与编程基础（Python/C++）
  • 计算机科学、电子工程或相关专业背景
  • 对语音处理、机器学习或生成模型有浓厚兴趣
  • 英语读写能力良好

申请方式

  • 邮箱：点击显示邮箱
  • 请附上：简历、成绩单（本科/硕士）、研究兴趣说明（可含代表性项目）
  • 邮件标题建议格式：申请类型-姓名-学校-年级

南大智科学生特别说明

  • 欢迎大二大三学生进组实习
  • 南大智科学生可到南雍楼西536办公室面聊
  • 实习期间可参与实际科研项目

科研助理（RA）招聘

  • 常年招收：欢迎本科生、研究生申请科研助理岗位
  • 工作地点：
    • 南京大学苏州校区
    • 深圳河套学院
    • 香港中文大学（深圳）
    • 远程工作
  • 发展机会：
    • 表现优秀者可推荐大厂实习
    • 可推荐到知名高校深造
    • 参与前沿科研项目
    • 可与李海洲教授联合指导

教学

学生

南京大学指导学生

  • Haoyu Li，博士生，研究方向：以说话人为中心的语音理解。2026年秋季入学。曾在阿里巴巴与华为实习。
  • Ziyi Chen，博士生，研究方向：说话人日志（Speaker Diarization）。2026年秋季入学。曾在华为实习。
  • Qituan Shangguan，硕士生，研究方向：说话人识别。2026年秋季入学。曾在 Soul AI Lab 实习。
  • Ye Tao，硕士生，研究方向：音视觉语音与音频生成。2026年秋季入学，曾在上海浦江实验室，video rebirth 实习。
  • Shengfan Shen，硕士生，研究方向：语音合成。2026年秋季入学。曾在小米实习。
  • Zihan Qian，本科生。曾在腾讯实习，将入职腾讯。

密切合作学生

  • Jing Peng, 上海交大, 2025 秋季, 语音识别，语音理解.
  • Chenyu Yang，2024年秋季，港中深，研究方向：音乐生成。曾在腾讯 AI Lab（犀牛鸟人才计划）、微软亚洲研究院及字节跳动实习。
  • Zhijun Liu，港中深，2023年秋季，研究方向：语音合成。曾在网易及字节跳动（TopSeed计划）实习。
  • Qibing Bai，港中深，2023年秋季，研究方向：口音转换。曾在腾讯 TEA-Lab 实习。
  • Sho Inoue，港中深，2022年秋季，研究方向：语音合成。曾在网易及 Meta FAIR 实习。
  • Wenxuan Wu，港中文，2022年秋季，研究方向：目标语音提取。

往届学生

  • Wupeng Wang，新加坡国立大学 (NUS)，研究方向：语音分离。（已毕业，现就职于阿里巴巴，南京大学联合培养博士后）
  • Yi Ma，新加坡国立大学 (NUS)，研究方向：说话人识别。（已毕业，现就职于新加坡 A*STAR）
  • Junjie Li，现为香港理工大学博士生。
  • Shaole Li（现为香港理工大学博士生）。

论文

最新论文请见 Google Scholar。

开源项目

  • WeSpeaker：说话人嵌入学习工具包，支持工业规模训练。
  • WeSep：首个开源目标说话人提取工具包 演示
  • DiffRhythm：基于扩散的节奏音乐生成，快速高效。
  • SongBloom：自回归扩散音乐生成，高质量、高保真、高多样性。
  • Real-T：面向目标说话人提取的真实对话场景基准数据集。
  • MSU-Bench：面向大语音语言模型评测的多层次、多说话人、多语言、多场景、多任务基准。

荣誉与奖励

  • 2024 ISCSLP 2024 最佳论文奖
  • 2024 ISCSLP 2024 最佳学生论文奖
  • 2019 VoxSRC 2019：两个赛道均第 1 名
  • 2019 DIHARD 2019：四个赛道均第 1 名
  • 2018 IEEE Ganesh N. Ramaswamy Memorial Student Grant

学术服务

担任多个会议与期刊的常规审稿人，包括 ICASSP、Interspeech、ASRU、SLT、T-ASLP、Computer Speech & Language、Speech Communication；以及 ICML、Neurips、AAAI、ACM MM 等。

曾任 APSIPA 2025 Special Session Chair、ICASSP 2025 苏州卫星会 Operation Chair、SLT 2024 Publication Chair。

邀请报告