企业资讯

国际语音顶级会议 Interspeech 2026 将于2026年9月在澳大利亚悉尼举行。。
。。由小米、、萨里大学、
、清华大学、、
、、弈桔联合发起的第二届 Audio Encoder Capability Challenge（AECC）音频编码器能力挑战赛将同步亮相 Interspeech 2026，，目前已正式开放报名。
。。。

当前，，音频大语言模型（LALMs）发展迅速，
，，，但大多数主流模型在音频前端编码器上选择非常单一，，，，几乎均基于 OpenAI Whisper Encoder。。。这种对单一技术的依赖不利于模型架构的多样化探索，，，也限制了 LALMs 整体能力的进一步提升。。。。为应对音频理解能力不断增长的需求，
，，，本次挑战赛将聚焦于音频编码器这一核心模块，，，重点评估其在复杂真实场景下的理解与特征表示能力
。。。。

评测方法

本次挑战赛采用统一的端到端训练和评估框架。。
。参赛者只需提交预训练的编码器模型，，，，下游任务的训练和评估由主办方完成。。。主办方提供了开源的评估系统 XARES-LLM (https://github.com/xiaomi-research/xares-llm)
。。。。该系统基于用户提供的音频编码器自动训练一个典型的 LALM。。。。该系统会自动下载训练数据，
，训练模型，，，，然后测试各种下游任务
，，，，并为每个任务提供分数，，，，如下图所示
。
。。

参赛者并不需要自己运行 XARES-LLM
，
，，而只需把音频编码器按照一个简单的接口说明和示例封装
，，，，通过邮件发送给主办方即可，
，大模型的训练和评估由主办方完成
。
。当然，，，，由于 XARES-LLM 是开源的，
，，且只需 GTX4090 即可完成训练和评估，，，，参赛者也可以自行使用该系统训练大模型、
、、、评估待提交的编码器的性能，，
，
，并和主办方提供的基线系统比较。。。。

训练数据

赛道设置

大赛设置了两个赛道
，，赛道 A 关注大模型处理传统分类任务、、、输出分类标签的能力，，，，赛道 B 关注大模型的理解和表达能力
。。。
。参赛者无需选择赛道。
。。。所有提交作品将同时接受两个赛道的评估，，两个赛道独立排名。。

报名和提交方法

1. 在 2026.01.25 11:59 PM AoE 前填写报名链接：https://docs.google.com/forms/d/1oaTnhh0HVX8K2oRdHKXsnyZfBWb7F6Oj8xZ6yAiMI74/viewform?edit_requested=true

2. 参考 https://github.com/xiaomi-research/xares-llm/tree/main/example 封装自己的编码器，
   ，，，并通过 https://github.com/xiaomi-research/xares-llm/tree/main/scripts/audio_encoder_checker.py 工具的检查。。
   。。

3. 在 2026.02.12 11:59 PM AoE 前，，，把编码器代码和模型文件打成 zip 包
   ，，通过邮件发送给主办方。。。

4. 在 2026.02.25 11:59 PM AoE 前，，，，把技术报告 PDF 文件邮件发送给主办方。。。。技术报告可以同时在 Interspeech 官方提交系统作为会议论文投稿。。。。

联系方式

主办方邮箱：2026interspeech-aecc@dataoceanai.com

挑战赛官网：https://dataoceanai.github.io/Interspeech2026-Audio-Encoder-Challenge/