智猩猩AI整理
编辑：六六
新加坡科技研究局（A*STAR）研究科学家高晓雪，已于今年8月加入香港中文大学（深圳）人工智能学院，担任长聘教轨助理教授。
高晓雪本科毕业于南京大学，随后进入新加坡国立大学攻读电气与计算机工程博士学位，师从IEEE Fellow李海洲（Haizhou Li）教授和IEEE Fellow葛树志（Shuzhi Sam Ge）教授。
博士期间，她还曾赴日本国立信息学研究所访问交流。博士毕业后，她先后在新加坡国立大学担任研究员、在新加坡科技研究局（A*STAR）担任研究科学家，并兼任新加坡理工大学教师，讲授大语言模型课程。
如今入职港中深，对她来说某种意义上也是一次重聚——当年的博士导师李海洲，如今是港中深人工智能学院院长。
高晓雪的研究起点落在"唱"上。博士阶段做说话声到歌声的转换，顺着往下就撞上一个绕不开的问题：多声部音乐里的歌词怎么转写出来。她的解法是让声学模型同时学歌词与和弦，两个任务互相带动。
沿着这条路线，Automatic Lyrics Tranion of Polyphonic Music 发表于 IEEE TASLP 2022；她参与搭建的 NUS Auto Lyrix Align 系统则在 2020 年的 MIREX 国际基准评测中，拿下歌词转写与歌词-音频对齐两项第一，这套对齐服务至今仍在线开放。
之后几年，她的研究重心明显往大模型迁移。
Emo-DPO（ICASSP 2025）用偏好优化帮合成模型分辨不同情绪之间细微的差别，并把传统声学网络换成 LLM 架构；
TTSlow（IEEE TASLP 2025）考察语速变化时的稳健性；
她担任通讯作者的 VoiceBench（TACL 2026）用 6783 条口语指令、8 个任务，从通用知识、指令遵循和安全合规三个维度给 LLM 语音助手打分。
把这几项串起来看，她的工作其实是两条线并行：一条把语音模型的能力往前推，另一条盯着这套能力什么时候会失灵。
如今这条线长成了她最系统的方向——可信 AI，覆盖音频安全、稳健性、语音偏见与 LLM 安全对齐。
从歌声合成、音乐信息处理，到语音大模型与可信AI，高晓雪的研究始终围绕人类声音及其背后的信息展开。
在学术界，她还承担着组织者的角色：IEEE 高级会员，近年来先后参与组织 AAAI 2027 音频研讨会、AACL 2026 TrustAudio workshop 与 VoiceMOS Challenge 2026，并担任 ICASSP 2026 大奖赛顾问委员会成员。
眼下的她仍沿着语音、歌声、多模态与可信 AI 这几条线往下推：一边让模型在多语言、多噪声的环境里听得更准，一边给它补上安全性这块短板。
