江文斌，杭州电子科技大学通信工程学院，特聘副教授，硕士生导师。上海交通大学电子工程系博士、计算机科学与工程系博士后。研究方向为智能语音信息处理，主要包括语音增强、语音唤醒、语音识别、语音理解大模型、低码率语音编解码与类脑听觉等。在 IEEE/ACM TASLP、IEEE SPL、ICASSP、Interspeech 等声学与语音领域顶级期刊与会议发表论文二十余篇，授权国家发明专利十余项；主持科技部长三角科技创新联合攻关课题、浙江省自然科学基金项目及多项企业横向项目；长期担任 IEEE TASLP、ICASSP、Interspeech、IEEE SLT、NCMMSC 等期刊与会议审稿人。

语音增强前沿进展：从预测式估计迈向生成式建模

语音增强研究在带噪语音中去除干扰噪声，是提升语音质量与可懂度的重要技术手段。近年来，基于深度学习的预测式方法（如直接回归与掩码估计）占据主导地位，虽在客观指标上取得显著突破，但易引入感知失真，且在带宽扩展、编解码失真恢复等数据重建任务中表现受限。与此同时，以扩散模型和流匹配为代表的生成式语音增强技术快速发展，通过显式建模纯净语音先验，展现出更优的感知质量与更强的鲁棒性，日益受到学界与产业界的关注。因此，如何从统一视角理解预测式与生成式两大范式的互补关系，是当前语音增强研究的关键议题。本报告对单通道语音增强进行系统性梳理，对预测式与生成式两大范式进行统一分析。内容涵盖问题建模、语音表征、建模范式的演进（预测式、生成式及其混合架构），以及模型架构的演进；同时探讨由语音基座模型和大语言模型驱动的通用语音增强等新兴方向。

此外，本报告将在代表性评测集上，对典型的预测式、生成式、以及预测-生成混合式的语音增强方法进行对比分析。通过本报告，希望帮助听众建立预测式与生成式两大范式的整体认知，为相关研究与应用提供参考。