近日，IEEE SLT 2026 官方卫星挑战赛 REAL-TSE 正式公布最终成绩。亿嘉和（603666）机器人技术团队在全球 20 余支顶尖队伍中脱颖而出，斩获总榜第二名，并在目标说话人时间定位（F1）和身份保持（SIM）两项关键指标上双双排名赛事第一。这是业界对亿嘉和（603666）在真实环境语音交互这一核心技术实力的认可。

▍一个真实世界的难题

让机器人在家里听懂你说话，到底难在哪？

设想一个再平常不过的场景：客厅里电视正播着新闻，孩子在一边玩耍嬉闹，家人间的交谈此起彼伏。在这样的嘈杂环境里，你对服务机器人说 " 帮我倒杯水 "，它能否在众多声音中，只识别你的指令，而忽略电视声和旁人的交谈？

这不是科幻。这正是语音交互技术从 " 可用 " 走向 " 好用 " 必须跨越的核心鸿沟，也是国际语音学界近年来集中攻关的前沿方向。

传统的语音技术（885772）多在实验室的 " 纯净 " 条件下表现出色，但真实世界没有这样的理想环境。远场混响、背景噪声、多人抢话、高度重叠……这些日常场景中的复杂因素，让绝大多数系统在实际部署中表现大打折扣。

而 REAL-TSE 挑战赛，正是为这一真实世界难题而设的顶级考场。

▍亿嘉和 PS4 目标说话人提取系统

面对这一挑战，亿嘉和（603666）机器人技术团队交出的参赛方案名为 PS4，一个面向真实场景的目标说话人提取系统。

简单来说，PS4 要完成的任务是：给定一段多人混杂的录音，以及目标说话人短短几秒钟的注册语音，系统就能从嘈杂的混合声音中，精准地 " 拎出 " 那个指定的人说了什么。

PS4 的核心突破在于：它不再依赖传统方法所需要的 " 干净语音标准答案 " ——因为在真实场景中，这种标准答案几乎无法获得。取而代之的是，它通过多维度智能评估信号联合驱动的方式，让模型在没有完美标注的真实数据中也能有效学习。这一技术路径，直接面向服务机器人在真实家庭、办公场景中的落地需求。

值得一提的是，PS4 配套构建的真实场景训练数据集和大模型 REAL-PS4 在开源平台 Hugging Face 上线仅一个月，下载量即突破 5,000 次，获得国际语音研究社区的广泛关注。

* 图片来自开源平台 Hugging Face 截图

▍顶级赛场的权威认证

REAL-TSE 挑战赛是 IEEE SLT 2026 的官方卫星赛事—— SLT 是 IEEE 信号处理学会旗下语音技术（885772）领域的旗舰国际会议，具备国际级学术权威。竞赛由日本 NTT、布尔诺理工大学、南京大学、香港中文大学（深圳）、西北工业大学、上海交通大学等机构的学者联合组织，组委会成员包括各个高校语音领域知名学者，所有评测由组委会统一盲测执行，结果具有极高的公信力。

更重要的是，赛事的评测数据全部来自真实会议录音，覆盖五大国际语料库及组委会新采集的 3,000 对真实对话样本，总计 5,000 对评测样本，噪声、混响、抢话、重叠均来自真实世界——比的不是仿真成绩单，而是技术在真实环境中可能展现的真功夫。