SPAM语音音素分割与识别方法发表

Shikhar Bharadwaj 等研究者提出基于自监督语音模型（S3M）的语音激活映射（SPAM）：将每个 S3M 表征帧映射为清浊、鼻音等音系特征激活向量，并在其上叠加识别头与分割头两个轻量、免梯度下降的预测头，从而同时完成语音单元分割与识别。 据作者称，该方法仅需不到一分钟的音标转写，识别头还能泛化到训练中未见的音素；论文在多个数据集上报告了较强的分割性能。 该论文已被 SLT 2026 接收，作者已开源代码。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。